生态安全是整个生态系统健康水平与完整状况的表征^[1]。随着人类活动对环境的压力不断增大, 生态安全受到严重威胁。我国逐渐认识到资源环境的重要性, 倡导遵循尊重自然、顺应自然、保护自然的生态文明理念^[2]。云南响应国家战略部署, 确立了争当新时代生态文明建设排头兵的目标^[3-4]。近年来, 云南省生态安全越来越受到学者们的关注^[5-10], 但对于省域的生态安全评估仍然薄弱, 难以从宏观层面指导生态文明建设, 亟需开展相应研究。

景观生态评价与景观格局是景观生态学的重要议题, 如Peng^[11]将生态退化风险与生态安全结合起来构建生态安全格局识别的量化框架；Francisco Aguilera^[12]引入景观格局指数分析城市扩张的空间特征；Ma则通过相关性来确定影响生态安全的主要景观格局指数^[13], 当今国际景观生态研究越来越重视格局与过程的综合^[14]、驱动机制^[15-16]和综合评价^[17]的研究, 但使用景观格局指数研究区域生态安全的文献较少。我国景观生态研究始于20世纪90年代, 如俞孔坚等认为景观规划设计在生物多样性保护中起着决定性的作用^[18], 并采用最小阻力面模型来判别生物多样性的景观生态安全格局^[19]；肖笃宁等则将生态安全定义为人类在生产、生活与健康等方面不受生态破坏与环境污染等影响的保障程度^[20], 并基于此提出了干旱区生态环境建设研究的理论与方法以及生态建设的策略^[21]；傅伯杰等提出的“区域生态安全格局”是对景观安全格局研究的发展, 适应了生物保护和生态恢复研究的发展需求^[22-23]；陈利顶等提出了“源汇”景观概念^[24], 并基于此提出景观空间负荷对比指数^[25], 来定量评价景观格局对特定过程的影响。景观生态安全的研究方法和理论呈现多样性特征。但是, 目前学者对于生态安全评价局限于类型尺度和景观尺度, 从斑块尺度对生态安全进行评价的研究很少；且传统景观生态安全评价模型大多是对省、市、区的整体评价, 评价结果反映在地图上是一种离散或分段式的变化, 很难反映生态安全变化的过渡特征。基于此, 本研究从斑块角度对景观生态安全评价模型进行修正, 其评价结果在数值上连续, 能够更准确地反映景观生态安全的过渡特征, 对区域景观生态安全评价更具现实意义和指导意义。

云南既是我国西南生态安全屏障, 又是与南亚、东南亚各国人民同为生态命运与生态利益的共同体, 承担着维护区域、国家乃至国际生态安全的重大职责。同时, 云南又是生态环境比较脆弱敏感的地区, 保护生态环境和自然资源的责任重大。因此, 科学研究云南省生态安全特征及其驱动因子具有重要现实意义。研究通过修正类型尺度景观生态安全评价模型, 从斑块尺度评估云南省1990—2018年的景观生态安全特征, 分析其时空演变规律并探讨影响云南省景观生态安全的主要驱动因子, 为生态安全评价及其时空变化特征和驱动力研究提供了参考。研究结果可为我国西南地区景观生态安全格局优化提供科学依据, 为维护我国西南生态安全屏障, 维护区域、国家乃至国际生态安全提供有益支撑。

1 数据与方法 1.1 研究区概况

云南省位于中国西南部(21°8′—29°15′N, 97°31′—106°11′E), 总面积39.41万km²；东邻贵州、广西, 北连四川、西藏, 西与印度、缅甸接壤, 南部和老挝、越南毗邻(图 1)。云南属山地高原地形, 自西北向东南呈阶梯状下降, 平均海拔为2000m。全省气候干湿季分明, 年均降水量1260mm, 其中85%集中在湿季, 年温差小, 日温差大；土壤类型分布从南向北依次为砖红壤、赤红壤和红壤；云南省森林覆盖率为62.4%, 水平地带和垂直地带分异明显。2019年全省GDP达到23223.75亿元, 同比增长8.1%, 增长速度高于全国2.0个百分点；年末全省常住人口4858.3万人, 城镇化率达48.91%。生态保护红线约占全省总面积的30.90%, 主要分布在青藏高原南缘滇西北高山峡谷生态屏障、哀牢山—无量山山地生态屏障、南部边境热带森林生态屏障等生物多样性富集及水源涵养重要区域, 以及金沙江、澜沧江、红河干热河谷地带和东南部喀斯特地带水土保持重要区域, 构成了云南省生态保护红线“三屏两带”的空间分布格局。

1.2 数据来源与预处理

本研究收集了云南省的土地利用、河流水系、基础设施、数字地形、气象站点、社会经济等数据(表 1)并根据云南省土地利用现状特征及研究要求, 运用ArcGIS10.7软件将土地利用数据重分类为水田、旱地、有林地、灌木林、疏林地、其他林地、高覆盖度草地、低覆盖度草地、水域、城乡用地、未利用地11种景观类型, 并将所有栅格数据分辨率统一到1km×1km。

1.3 研究方法 1.3.1 斑块尺度下的景观生态安全评价模型构建

本研究选取斑块尺度的景观格局指数对类型尺度景观生态安全模型进行修正, 得到斑块尺度景观生态结构安全度；以生态系统服务价值作为景观生态功能安全的表达, 构建斑块尺度生态系统功能安全度模型；最后, 将结构安全度和功能安全度两者的几何平均值作为评价单元的景观生态安全指数, 得到斑块尺度景观生态安全评价模型。

(1) 类型尺度景观生态结构安全模型

参照陈鹏^[26]、裴欢^[27]等人的研究成果, 构建类型尺度景观生态脆弱度(Landscape Ecological Frangibility of Class, LEFC)模型为：

(1)

式中, LEFC为类型尺度的景观生态脆弱度；SHAPE_AM为类型尺度的面积加权平均形状因子；FRAC_AM为类型尺度的面积加权分维数；DIVISION为类型尺度的分离度。根据李晓燕^[28]、彭文君^[29]等人的研究结果, 设置未利用地景观类型的a、b、c值为0.2、0.3、0.5, 其他景观类型的a、b、c值为0.5、0.3、0.2。

参考前人研究成果, 选择能够表示类型尺度景观结构破碎状况和形状复杂程度的景观格局指数构建类型尺度景观生态结构安全度(Landscape Ecological Security of Class, LESC)模型为：

(2)

式中, LESC为类型尺度的景观生态结构安全度；ED为类型尺度的边界破碎度；PD为类型尺度的景观破碎度；LEFC为类型尺度的景观脆弱度。

(2) 斑块尺度景观生态结构安全度模型

本研究通过选取斑块尺度下能够表示斑块的形状、复杂程度和连通性的景观指数, 即斑块面积(AREA)、形状指数(SHAPE)、分维数(FRAC)和邻近度(PROX), 作为修正因子对类型尺度景观生态结构安全度模型进行修正, 构建斑块尺度景观生态结构安全度(Landscape Ecological Security of Patch, LESP)模型：

(3)

其中：LESP为斑块尺度景观生态结构安全度；LESC为类型尺度景观生态结构安全度；α、β、γ、μ分别为斑块面积、形状指数、分维数、邻近度的权重。

采用熵权法确定各斑块修正因子的权重(表 2)。为了简便计算, 将信息熵较小(不足0.01)的形状指数和分维数修正因子剔除。最终构建的斑块尺度景观生态结构安全模型为：

(4)

(3) 斑块尺度景观生态功能安全度模型

生态系统服务是指生态系统与生态过程所形成及维持的人类赖以生存的自然环境条件与效用^[30]。将每一个景观斑块的类型看作一种生态系统, 将生态系统服务价值与景观生态功能结合起来, 即可以用生态系统服务价值对景观生态功能安全进行定量化表达。参考赵筱青等人^[31]的研究成果, 用生态服务价值当量值作为各景观类型的功能表征。参考前人的研究成果^[32-36], 结合研究区的实际情况, 构建云南省各景观斑块类型的景观生态功能安全度(表 3)。

(4) 斑块尺度景观生态安全模型

景观结构是景观功能发挥的基础, 景观功能也体现了景观要素的结构^[37]。将斑块尺度的景观生态结构安全度和景观生态功能安全度的几何平均值作为斑块尺度景观生态安全指数值, 构建斑块尺度景观生态安全评价模型(Landscape Ecological Security Index, LESI)：

(5)

式中, LESI为斑块尺度景观生态安全指数；LESP为斑块尺度景观生态结构安全度；ESV为斑块尺度景观生态功能安全度。

1.3.2 景观生态安全空间数据探索

采用空间自相关方法来分析景观生态安全的空间分布特征及异质性。Global Moran′s I能够反映空间分布是否具有聚散特征, 其值范围为[-1, 1]。若值大于零, 说明景观生态安全空间分布为正相关关系, 小于零则为负相关关系；绝对值越接近1表明空间相关性越强, 等于0表示景观生态安全在空间上呈随机分布。

使用Local Moran′s I指数研究斑块尺度景观生态安全的关联性, 探究云南省斑块尺度景观生态安全的空间异质性。“高-高”集聚和“低-低”集聚表示局部空间的景观生态安全分布呈正相关, “高-低”集聚和“低-高”集聚则表示为空间负相关, “不显著”则表明斑块景观生态安全没有空间聚散特征。

1.3.3 景观生态安全归因分析方法

云南省地形地貌复杂、气候条件多变、生态环境脆弱、生态系统种类丰富, 导致区域内景观生态安全变化的原因复杂。参考国内外相关研究成果, 结合云南省的地域特征, 选取海拔高度(X₁)、坡向(X₂)、坡位(X₃)、年平均温度(X₄)、年平均降水(X₅)、人口密度(X₆)、人均生产总值(X₇)、距水系距离(X₈)和距道路距离(X₉)共9个因子与2018年云南省景观生态安全评价结果进行分析。

根据景观格局指数的粒度效应^[38-41], 对比1km×1km、2km×2km、5km×5km、10km×10km格网下的景观格局指数值的变化趋势。结果10km×10km格网下景观格局指数值变化平稳, 因此作为最佳的分析尺度。格网内各指标的值计算方法如下：

(6)

(7)

式中, LESI_i为第i个格网的景观生态安全指数, n为第i个格网内的斑块总数, LESI_ij为第i个格网内的第j个斑块的景观生态安全指数, A_ij为第i个格网内的第j个斑块的面积, A为格网面积；X_ik为第i个格网的第k个驱动因子的值, X_ijk为第i个格网内第j个斑块的第k个驱动因子的值。

地理探测器是探测空间分异性以及揭示其背后驱动力的一组统计学方法^[42]。计算方式如下：

(8)

式中, q的值域为[0, 1], 值越大说明自变量X对属性Y的解释力越强, 反之越弱；h=1, …, L为变量Y或因子X的分类；N_h和N分别为类h和全区的单元数；σ_h²和σ²分别是类h和全区的Y值的方差；SSW和SST分别为层内方差之和和全区总方差。

2 结果与分析 2.1 1990—2018年云南省景观生态安全时空变化特征 2.1.1 景观生态安全时间变化特征

云南省基于类型尺度景观生态结构安全度(LESC)的变化趋势平稳, 最大值从0.998增长到1.00, 最小值从0.460减少到0.399, 数据变化幅度较小, 难以反映云南省景观生态安全的具体变化特征；而修正后的景观生态安全指数(LESI)呈上升趋势, 最大值从2.604增长到2.999(图 2), 且年际间差异明显。表明修正后的景观生态安全评价模型对景观生态安全的变化更加敏感。由于云南省破碎斑块较多, 斑块面积很小, 导致其LESI最小值接近于0且变化不大。

云南省景观生态安全各分区面积占比变化为：极危险区减少1.39%、危险区减少3.58%、较危险区增加1.12%、相对安全区减少0.13%、较安全区减少0.48%、安全区减少9.74%、极安全区增加14.21%, 其中相对安全区(含)至极危险区(含)的面积共减少了3.98%(图 3)。结果表明, 修正后的景观生态安全评价模型可以精确评价斑块的景观生态安全, 能够反映区域内部景观生态安全状况的细微变化。

2.1.2 景观生态安全空间变化特征

(1) 景观生态安全等级区空间变化特征

云南省景观生态安全极安全区、安全区和较安全区主要位于西北部、中部和东南部, 并逐步向四周扩展。极危险区和危险区间杂分布, 在生态屏障内部形成孔洞, 破坏了生态屏障的连续性和完整性(图 4)。自2002年生态修复工程全面启动至今, 云南省生态安全整体上得到显著改善, 但在2000年和2010年景观生态安全出现反复；改革开放以来, 云南省国内生产总值由1980年的第22位上升至1999年的第18位, 粗放的经济发展破坏了生态环境, 使得2000年云南省的生态安全出现恶化；2010年云南省发生百年一遇的特大旱灾^[43], 耕地减产、水域面积减少、森林火灾频发, 同时1995年以来云南烤烟业年均砍伐森林33333.33hm^2[44], 圈地毁林等行为也对原始森林造成了严重破坏^[45], 是造成南部边境热带森林生态屏障区景观生态安全等级波动的重要原因。

景观生态安全等级提升最为明显的是青藏高原南缘滇西北高山峡谷生态屏障区、哀牢山-无量山山地生态屏障区、金沙江干热河谷地带以及南部边境热带森林生态屏障区；景观生态安全等级降低的地方主要分布于滇中城市群区域, 其次是东南部喀斯特地带(图 5), 二者皆为人类活动影响强烈的地区, 表明人类活动的干扰对区域景观生态安全有较大影响。总之, 云南省景观生态安全特点表现为生态基础条件好的区域景观生态安全等级提升明显而生态基础条件差的地区提升明显不足, 且城市边缘是生态安全恶化的主要区域。因此, 在现有生态红线保护的基础上, 还需加强对生态脆弱区的治理。

(2) 景观生态安全空间聚散特征

空间自相关分析结果表明, 1990—2018年云南省LESI的Global Moran′s I值的均值为-0.293, 且变化趋势平稳, 表明在99%的置信度下(P = 0.001), 云南省LESI有显著的空间负相关性(表 4)。1990—2018年的Global Moran′s I值总体变化不大(图 6), 表明云南省景观生态安全的离散特征显著, 为空间负相关。

云南省斑块尺度景观生态安全由西北到东南呈现“高-低集聚—低-高/高-高集聚—高-低集聚”的空间格局(图 7)。其中“低-高”型的斑块数量最多, 主要分布于滇中城市群区域, 其次是生态屏障的外围区域；“高-低”型面积最大, 主要布在青藏高原南缘滇西北高山峡谷生态屏障区和东南部喀斯特地带；“高-高”型主要分布在哀牢山-无量山山地生态屏障区和南部边境热带森林生态屏障区；“低-低”型的斑块数量仅有一个, 位于滇中城市群区域。空间自相关分析结果表明, 云南省景观斑块破碎, 以南部边境热带森林生态屏障区最为严重；滇中城市群区域的生态安全状况较差, 大量破碎斑块破坏了景观生态安全区域的整体性和连续性, 呈现出破碎化和脆弱性特征。

2.2 云南省景观生态安全归因分析

因子探测结果显示, 除坡向指标没有通过显著性检验外, 其余八个指标均在99%显著性水平下对云南省景观生态安全状况具有影响, 其中人口密度(0.2386)、年平均温度(0.1601)和海拔高度(0.1138)对景观生态安全状况影响最大(表 5), 反映出景观生态安全较差的区域人多地少和人类活动方式落后、频率高、影响大的特征。

进一步分析各驱动因子的交互作用(表 6), 分析结果表明因子间两两组合对云南景观生态安全的影响均强于单一因子, 其中综合解释力较大的组合为：6对自然和人文因子组合, X₁∩X₆(0.3574)、X₁∩X₇(0.3243)、X₄∩X₆(0.3988)、X₄∩X₇(0.4076)、X₅∩X₆(0.4041)、X₅∩X₇(0.3580)；3对纯自然因子组合, X₁∩X₄(0.3586)、X₁∩X₅(0.3023)、X₄∩X₅(0.3441)；1对纯人文因子组合, X₆∩X₇(0.3355)。表明云南省景观生态安全特征是自然环境和人类活动相互作用的结果。相较于自然环境, 人类活动对生态安全的影响更为直接, 因此在未来生态安全政策的制定过程中, 应当严格限制城市用地开发规模, 严守生态保护红线, 充分保障生态屏障区的生态服务功能。

3 结论与讨论 3.1 结论

本研究选取斑块尺度的景观格局指数作为修正因子, 对景观生态安全模型进行修正, 以评估1990—2018年云南省景观生态安全状况, 并使用地理探测器进一步探讨影响云南省景观生态安全的因素。可得到如下结论：

(1) 斑块尺度的景观生态安全模型对区域内部景观生态安全的变化更加敏感, 能够反映区域内部多年景观生态安全状况的细微变化；相较于传统的类型尺度景观生态安全评价模型, 其评价结果更加准确可靠。

(2) 在景观生态安全时间特征方面, 云南省1990—2018年景观生态安全指数呈波动上升趋势, 景观生态安全状况整体变好。在景观生态安全空间特征方面, “三屏两带”地区的景观生态安全等级提升最为明显, 景观生态安全恶化的地区则集中于人类活动影响强烈的滇中城市群和东南部喀斯特地带；云南省景观生态安全的空间分布呈“离散型”, 内部斑块破碎、连续性差, 反映出西南地区生态安全的脆弱性特征。

(3) 通过地理探测器分析得出, 目前影响云南省景观生态安全的主要驱动因子是人口密度、年平均温度和海拔高度；多因子交互影响力大于单因子影响力, 且自然因子对云南省景观生态安全的影响更显著。

3.2 讨论

(1) 在景观生态安全评价模型方面, 当前学者评价景观生态安全的尺度主要是类型尺度^[46-49]和景观尺度^[50-51], 很少从斑块尺度进行研究。陈昆仑等^[52]在评价湖泊景观生态安全时引入了斑块面积占比因子, 是对传统生态安全评价模型的有效改进；在此基础上, 本研究构建的斑块尺度景观生态安全评价模型对云南省景观生态安全状况的变化敏感, 能够反映景观生态安全状况的过渡特征与空间分布特征, 可以提高生态安全的评价精度。同时斑块尺度景观生态安全评价模型仍有一定的不足, 在斑块修正指数的选取和权重确定方面还需进一步讨论。

(2) 在景观生态安全归因方面, 前人对于景观生态安全影响因素的分析以单因子为主^{[29, 53]}, 而景观生态安全归因分析的复杂性在于各驱动因子并非独立作用于因变量。本研究使用地理探测器对影响云南省景观生态安全的主要驱动因子的交互作用进行分析, 发现多因子交互作用比单因子的影响力更为显著, 为景观生态安全的多因子交互分析提供了一定的参考。受限于资料获取难度, 本研究的归因分析尚有不足之处。如区域用水量以及政策性等因素未纳入指标体系, 且未对驱动因子影响力随时间变化的特征进行研究以分析各年的主要驱动因子, 在后续研究中需要改进。