基于最佳尺度的景观生态风险时空变化研究： 以重庆市江津区为例

杨 馗，信桂新，蒋好雨，杨朝现①

(1.西南大学资源环境学院，重庆 400715；2.长江师范学院武陵山区特色资源开发与利用研究中心，重庆 408100)

随着经济社会快速发展，城市化进程不断加速，生态环境和复杂的人类活动相互作用产生了一定的生态风险,威胁着人地关系的和谐与生态系统的健康发展[1]。生态风险评价是一种能有效衡量和评估环境污染、人为胁迫或自然灾害等外界干扰对区域生态系统及其结构产生负面效应和影响的工具[2]。景观生态风险评价作为生态风险评价研究的重要分支，其形成与自然或人为因素影响下景观格局与生态过程相互作用可能产生的不利后果有关[3]，具有典型的空间异质性和尺度依赖性[4]。尺度依赖性是空间异质性的基本特征，在空间上通常划分为粒度(grain)和幅度(extent)[5]。在景观生态风险评价过程中，根据研究对象和目的选择最适宜的研究尺度能更有效地反映出区域生态环境状况及存在的问题，对优化土地利用结构、建立风险预警机制、促进生态文明建设和可持续发展具有重要意义。

景观格局尺度效应一直以来是景观生态学研究的热点领域，主要包括景观格局指数随尺度变化规律[6]以及尺度分析的方法选择与模型构建[7]。苏英慧等[8]利用拐点识别法确定重庆市永川区景观格局适宜空间粒度为60 m；常小燕等[9]以微山县煤矿较集中，地面塌陷较严重的11个乡镇作为研究区，发现其最佳研究幅度为1 km×1 km的规则网格；张金茜[10]通过空间尺度效应研究表明凉城县最佳粒度为70 m，最适宜空间幅度为3 km×3 km的网格单元。以上研究表明，不同区域景观格局适宜尺度并不具有普适性。虽然已有部分学者意识到尺度效应会对景观格局定量分析结果产生不同程度影响，但多数研究只是单方面探讨适宜粒度或幅度的选取，鲜有研究涉及两者的对比和整合分析。在景观生态风险评价研究方面，诸多学者从土地利用格局角度出发，围绕城市[11]、湖泊[12]、流域[2]和沿海地区[13]构建景观生态风险指数，进行生态风险评估和演化预测。在景观生态学理论支持下，基于土地利用数据得到的景观生态风险指数不仅可以定量描述景观结构，还可以从格局变化角度解释景观生态风险演化机制，已成为解析和揭示景观生态风险时空异质性的重要手段[14]。总体而言，景观生态风险评价能够实现多元风险的综合表征及空间可视化，但众多学者将研究重点放在景观生态风险时空分布特征和内在形成机制上，对如何准确把握适宜空间尺度关注不够。因此，该研究从最佳尺度视角出发构建景观生态风险评价体系，以更加准确地揭示区域景观格局时空异质性及其变化规律。

长江上游地区地貌复杂多样，水土流失频发，生态环境较为敏感和脆弱，长期以来人类活动对区域景观结构和生态功能的影响尤为深刻。重庆市江津区地处长江上游腹心、三峡库区库尾，其景观生态安全格局不仅关系到区域发展定位和战略布局，而且对推动整个长江经济带绿色发展起着至关重要的作用。基于此，在确定景观格局最佳尺度的基础上，对江津区近20 a来景观生态风险状况进行深入剖析，探讨不同驱动因子对景观生态风险的影响机制，以期为长江上游重要生态屏障区土地利用管理和生态环境规划提供科学依据。

1 研究区概况及数据来源

1.1 研究区概况

江津区(28°28′～29°28′ N、105°49′～106°38′ E)位于渝西南长江之滨，三峡库区尾部。全区辖4个街道、22个镇，面积为3 217.77 km2，常住人口为138.70万人。江津区境内丘陵起伏,沟壑纵横，地势由南、北向中部长江河谷地区逐渐降低，地貌以丘陵低山为主，地质环境脆弱。气候属亚热带季风性湿润区，多年平均降水量为1 034.7 mm，森林覆盖率为48.5%。

江津区是长江入渝第一区，坐拥长江黄金水道127 km，境内支流众多，水网密布，是长江上游重要的航运枢纽和物资集散地。近20 a来，江津区城镇化率从36.9%增至68.43%，GDP增长近11倍，成为渝西南重要的战略支点，与此同时也面临着耕地资源锐减、土壤质量退化和水土流失等突出问题。在经济发展和生态环境保护双重压力下，研究区景观破碎化加剧，生态安全受到严重威胁。

1.2 数据来源及处理

遥感数据均来源于美国地质调查局(https:∥www.usgs.gov/)的Landsat TM/ETM+/OLI卫星影像，空间分辨率为30 m。为保证时间粒度的一致性，以9 a为间隔选取2000、2009和2018年成像时间在6—9月且平均含云量低于10%的影像。采用ENVI 5.1软件对影像进行几何纠正、大气校正、影像增强、影像镶嵌和裁剪等预处理，采用监督分类法与人机交互结合方法进行解译判读。根据土地调查分类体系和研究区实际情况，将土地利用类型分为草地、耕地、建设用地、林地、水域和未利用地6类。结合2009年江津区第二次土地调查成果、Google Earth影像和现场采样点进行分类后修正和精度验证，总体分类精度均超过85%，能满足相关研究分析需要。

在进行景观生态风险影响因素探测时，DEM数据来源于地理空间数据云网站(http:∥www.gscloud.cn/)，用来生成高程和坡度图；降水量数据来源于中国气象数据网(http:∥data.cma.cn/)和江津区气象局；人口和社会经济数据来源于江津区统计年鉴及各乡镇(街道)统计报表，采用ArcGIS 10.2软件进行空间可视化表达。

2 研究思路与方法

2.1 研究框架

景观格局与生态过程之间联系紧密，其关系随着尺度变化而变化[15]。景观格局指数反映了景观空间结构、分布和配置等基本信息，是各种生态过程在不同尺度上综合作用的结果。基于此，该研究首先利用各类景观格局指数随粒度和幅度改变而呈现出的不同规律来选择最佳尺度。在最佳尺度下，通过单一指数或若干指数组合的方式分析江津区土地利用景观格局总体变化趋势。最后，结合景观格局指数和土地利用类型面积比例构建景观生态风险评价模型，对江津区景观生态风险动态变化进行分析并采用空间自相关分析和地理探测器定量识别景观生态风险变化的空间集聚状况和驱动因素，具体分析框架见图1。

2.2 最佳尺度分析方法

2.2.1尺度推绎方法

为保证数据的准确性及数据量的合理性，选取2009年江津区土地利用数据作为最佳尺度分析的底图。粒度推绎时，采用ArcGIS平台重采样工具(resample)将底图转换为不同粒度的栅格数据，粒度范围设置为10～210 m，以10 m为间隔生成19幅不同粒度的土地利用景观栅格图；幅度推绎时，采用ArcGIS平台创建渔网(create fishnet)工具生成1 km×1 km、2 km×2 km、3 km×3 km、4 km×4 km和5 km×5 km等不同大小的网格，并将底图分割为若干数量的子研究区，每个子研究区为该空间幅度标准下的1个统计样方。

2.2.2面积信息损失评价模型

面积信息损失评价是用来定量判别栅格粒度变化后精度的有效方法[16]。以不同粒度下区域景观总面积精度损失情况作为空间粒度适宜区间的划分依据，其计算公式为

(1)

(2)

式(1)～(2)中，Li为i类景观面积损失相对值；Ai为i类景观类型粒度变化后的面积，km2；Abi为i类景观粒度变化前的面积，km2；n为景观类型数量；S为区域景观面积损失指数，其值越大，表明粒度变化所带来的面积信息损失越大。

2.2.3半变异函数

半变异函数是地统计学中关于数据点变异值和数据点距离的函数，用于揭示变量的空间异质性[17]。可通过不同网格尺寸景观格局指数的半变异函数拟合结果探寻最佳空间幅度，其计算公式为

(3)

式(3)中，γ(h)为半变异函数；h为样本间的空间距离；Z(xi)和Z(xi+h)分别为变量在位置xi和xi+h上的值，i=1，2，…，N(h)；N(h)为h时样本对总个数。

在地统计分析中，球状模型(Spherical)要求数据为各向同性，即观测数据的变化在空间分布上是均匀的，没有方向差异[18]。根据文献[19]，选取香农多样性指数SHDI和斑块密度PD，采用GS+ 9.0软件并运用球状模型进行拟合，根据半变异函数原理计算得到各类参数。

2.3 景观生态风险评价

依据不同土地利用类型的面积比例和景观损失度指数Ri构建景观生态风险指数(ERI，IER)[2]，该值越大表示该评价单元的风险程度越高，反之，风险程度越低。ERI计算公式为

(4)

Ri=Ei×Vi，

(5)

Ei=aCi+bNi+cFi。

(6)

式(4)～(6)中，IERk为评价单元k的景观生态风险指数；N为景观类型数量；Aki为评价单元k中第i类景观的面积，km2；Ak为评价单元k的面积，km2；Ri、Ei和Vi分别为第i类景观的损失度指数、干扰度指数和脆弱度指数；Ci、Ni和Fi分别为景观破碎度指数、分离度指数和优势度指数，具体计算方法参照文献[9，12]；a、b和c分别为各景观格局指数权重，根据文献[13]并结合研究区实际情况，分别赋值为0.5、0.3和0.2。

景观干扰度Ei表示不同景观受到外界干扰的程度，景观脆弱度Vi表示不同生态系统的易损性[20]。结合文献[21]和各土地利用类型面积变化情况(表1)，未利用地主要包括荒草地、裸地及难以利用的沼泽和滩涂等，其景观脆弱性最强，最为敏感，故将未利用地脆弱度赋值为6；水域易受环境变化和人类活动影响而改变其土地利用类型，因此将水域赋值为5；研究区耕地和林地面积远大于草地，且两者面积变化率较大，所以将耕地和林地分别赋值为4和3，草地赋值为2；建设用地虽然增长较快，但其性质最为稳定，在自然演替过程中不易产生新变化，故将其值赋值为1。6种景观类型分别赋值并进行归一化处理后得到各自脆弱度指数。在此基础上，分别计算每个网格的景观生态风险指数并将其值赋予该网格中心点，最后运用Kriging插值法生成不同时期景观生态风险空间分布图[14]。

2.4 空间自相关分析

空间自相关反映了空间上某一变量的分布特征及其关联集聚程度，包括全局空间自相关和局部空间自相关，常用测度指标为Moran′sI指数和局部空间关联指数LISA[22-23]。采用Moran′sI指数分析区域总体空间相关性与规律性，采用LISA识别局部空间景观生态风险高-高集聚的“热点”和低-低集聚的“冷点”，并形成空间聚类图来探析局部空间异常特征。

2.5 地理探测器

地理探测器可以对空间异质性及其驱动因子进行有效探测[24]，其中的因子探测法可用于分析各驱动因子对景观生态风险时空分异的解释力大小，其计算公式为

(7)

式(7)中，q为某个因子对景观生态风险时空分异的解释力度，q∈[0，1]，某一因子的q值越大，说明该因子对景观生态风险解释力越强；N为研究区样本数；σ2为指标方差；h为指标分级，L为分级层数，h=1，2，…，L。

从自然环境和社会经济2个探测维度选取海拔、坡度、年降水量、人口密度、GDP和土地利用强度[25]6个指标作为自变量，并通过最佳幅度下的网格中心点将因变量(ERI)和自变量进行关联。采用自然断点法对地理探测器输入变量进行离散化处理，其中海拔、坡度和年降水量分为9级，人口密度、GDP和土地利用强度分为6级。

3 结果与分析

3.1 土地利用景观格局变化特征

由表1可知，2000—2018年江津区不同土地利用类型之间变化特征较为显著，具体表现为耕地、草地、水域和未利用地面积减少，建设用地和林地面积增加。

表1 研究区土地利用类型面积变化统计

其中，耕地面积减少最多，减少量为196.28 km2；建设用地呈现持续增长态势，2000—2009年面积增加17.01 km2，2009—2018年增加35.28 km2，增长速度较为稳定；林地面积呈先减后升趋势，18 a间增幅达到156.69 km2；2000—2018年草地、水域和未利用地面积分别减少1.62、5.88和5.2 km2，水域和未利用地面积变化速度明显高于草地。从各景观类型面积占比变化情况来看，建设用地和林地面积占比分别由4.9%和35.63%增加至6.52%和40.51%，草地、水域和未利用地面积占比分别减少0.05%、0.19%和0.16%，耕地面积占比由55.5%大幅减少至49.4%。总体来看，研究区景观格局变化以耕地、林地和建设用地为主，草地、水域和未利用地总体变化幅度不大。

3.2 土地利用景观格局最佳尺度分析

3.2.1最佳粒度分析

为避免景观格局指数选取的重复性和无效性，参照文献[26-27]，在景观水平上选取12个景观格局指数进行分析，绘制各景观格局指数粒度响应曲线(图2)。

由图2可知，除斑块形状指数(LSI)、平均斑块面积(AREA_MN)和蔓延度(CONTAG)没有明显转折点外，其他9个景观格局指数对空间粒度变化均表现出不同程度的响应敏感性：最大斑块指数(LPI)和有效网格大小(MESH)在粒度范围为40～90和110～180 m时变化较为平缓，没有明显波动；加权平均形状指数(SHAPE_AM)和斑块凝聚度(COHESION)分别在粒度为40和90 m时出现转折点；景观分离度(SPLIT)和景观分割度(DIVISION)分别在粒度大于30和90 m时呈明显下降趋势；周长面积分维数(PAFRAC)在粒度大于60 m时变化不大，呈现出稳定状态；香农多样性(SHDI)和香农均匀度(SHEI)均呈现相似的波动变化，当景观粒度为30～110 m时，两者波动变化幅度较少，当粒度大于110 m时，两者波动幅度突然加剧，表现出明显的粒度效应。

为避免景观整体特征发生改变，结合各景观格局指数粒度响应曲线图的关键拐点和突变区间，确定江津区土地利用景观格局适宜粒度的第一尺度域为[40，90]。在此基础上，根据面积信息损失评价模型结果(图3)，发现当粒度区间为[50，110]时，区域景观面积损失指数先增后降，但总体变化幅度不大，说明在该区间内粒度效应产生的景观信息损失相对较小，且变化较为稳定。因此，综合分析粒度响应曲线图和面积信息损失评价情况，可得最佳粒度区间为[50，90]。已有研究[28]表明，随着粒度减小，数据量呈指数级增长。为避免冗余的计算工作，更好反映景观格局指数特征信息，最终确定90 m为江津区景观格局最佳分析粒度。

3.2.2最佳幅度分析

表2为不同幅度下香农多样性指数的半变异函数模拟结果。由表2可知，当幅度为3 km时，香农多样性指数半变异函数块金值(C0)相比于幅度为1和2 km时小，这是由于空间幅度过小会改变景观斑块原有形状；当幅度为3～5 km时，块金值C0随幅度变大而不断上升，说明随着幅度增加，较大幅度能掩盖内部更小尺度上的变异特征，被幅度掩盖的误差以块金效应体现出来[18]。当幅度为1～3 km时，香农多样性指数半变异函数基台值(C0+C)由0.120 3增加至0.150 1；当幅度>3 km时，C0+C值由0.150 1降低至0.103 6，说明随着幅度增加，香农多样性指数变化程度逐渐减弱。香农多样性指数半变异函数块基比C0/(C0+C)在幅度为1～3 km时下降，在幅度>3 km时快速上升，这说明过小的幅度难以直观反映出香农多样性指数空间变异情况。

表2 不同幅度下香农多样性指数半变异函数参数

由表3可知，当幅度>2 km时，斑块密度半变异函数C0值出现拐点，这说明网格尺度为1和2 km时掩盖了景观空间部分重要信息，从而导致尺度效应不明显。斑块密度半变异函数C0+C值在幅度为1～3 km时稳定增加，在3～5 km时呈波动式下降，这说明幅度持续增加会降低空间自相关性。当幅度为1～3 km时，斑块密度半变异函数C0/(C0+C)值随幅度增大而减小，这反映了随机部分引起的空间异质性占总空间异质性的比例随着网格尺度增大而减小；当幅度为3～5 km时，C0/(C0+C)值由0.124 1增加到0.245 3，这说明随机因素引起的空间异质性起主要作用，因而斑块密度随机变异性随着网格尺度变大而逐渐增强。

表3 不同幅度下斑块密度半变异函数参数

对区域景观格局来说，当幅度过小时，总体规律会被局部规律所掩盖；当幅度过大时，可以直观显示整体变化，但会损失更多空间规律信息[19]。因此，综合考虑各参数空间变异情况，确定分析江津区景观生态风险时空分异特征的最佳研究幅度为3 km。

3.2.3最佳尺度下景观格局特征

基于上述研究成果，将90 m栅格像元和3 km网格尺度作为江津区景观格局特征分析最佳尺度，并采用Fragstats 4.2软件计算不同时期反映景观生态风险状况的景观格局指数。如图4所示，2000—2018年研究区各土地利用类型的景观格局指数均发生明显改变。耕地为研究区主导景观类型，其景观破碎度和分离度呈先减少后增加趋势，优势度变化趋势与之相反；林地景观结构保持相对稳定，优势度逐渐变大，破碎度和分离度有小幅下降；草地、水域的破碎度和分离度较高,其干扰度和损失度随景观面积逐渐减少而呈现下降趋势；建设用地随着社会经济发展而不断向郊区扩张，侵占部分农田和林地，导致其优势度迅速增长；未利用地分布较分散，分离度较高，优势度保持相对稳定,干扰度和损失度受人类活动扰动总体呈增加趋势。

3.3 景观生态风险时空变化分析

3.3.1景观生态风险时空分异特征

为直观分析比较各时期景观生态风险空间分布特征，利用自然断点法将景观生态风险指数划分为高风险区(IER>0.082 5)、较高风险区(0.061 4

由表4可知，2000—2009年，江津区较低风险区面积减少336.41 km2，占比减少达10.46个百分点；较高和高风险区面积分别减少84.61和18.05 km2；低和中风险区面积增长明显，分别增加344.01和95.06 km2。2000—2009年区域景观生态风险整体呈下降趋势，主要表现为较低风险区向低风险区转移，较高和高风险区逐渐向中风险区转移，这表明当地政府通过实施退耕还林还草、封山育林等政策使区域生态环境质量有所提高。2009—2018年，江津区中、较高和高风险区面积占比分别增加5.50、5.53和2.58个百分点，较低和低风险区面积分别减少14.89和423.04 km2。2009—2018年，随着人口不断向城镇集聚，建设用地需求量急速增加，大量农田、坑塘和滩涂湿地被改造利用，土地生态系统不断遭受破坏，生态服务功能整体退化明显。综合来看，2000—2018年，江津区中风险区面积增幅最大，逐渐占据主导地位，高、较高风险区面积有小幅增加，而低、较低风险区面积明显减小，总体呈现“两头小、中间大”的数量结构。研究区各生态风险等级面积变化特征表明区域生态环境质量整体呈下降趋势，更需要合理规划土地资源，加强生态修复，进一步协调生态环境与经济发展的矛盾，提高生态环境承载力。

3.3.2景观生态风险空间自相关分析

采用GeoDa软件，根据江津区各期景观生态风险评价结果进行全局自相关分析。结果显示，在显著性水平P<0.05情况下，2000、2009和2018年Moran′sI值分别为0.466 1、0.524 2和0.533 3，均大于0，说明研究区景观生态风险指数呈显著正相关关系，空间趋同性增强。采用局部自相关LISA识别江津区局部空间景观生态风险(图6)。

表4 研究区各等级景观生态风险区面积统计

由图6可知，江津区景观生态风险的集聚空间格局变化较大，高-高和低-低集聚由分散变为集中，而低-高和高-低集聚分布相对零星。2000—2009年，研究区景观生态风险低-低集聚区逐渐向北部转移，而高-高集聚区趋向东北部集中；2009—2018年，景观生态风险低-低集聚区几乎占据研究区南部的绝大部分，高-高集聚区在原有基础上继续向周围区域拓展。从分布范围来看，高-高集聚区主要集中在北部快速城镇化地区，说明这些区域生态风险值高，且相邻地区生态风险值也较高，易受到外界干扰，呈高风险状态；而低-低集聚区多集中在地形条件较为复杂的丘陵低山地带，景观生态风险空间趋同性较强，这些区域也是江津区重要的自然保护区所在地，如四面山自然保护区、滚子坪桫椤保护区和大圆洞国家森林公园等。结合景观类型分布可知，低-低集聚区主要景观类型为林地和草地，与低和较低风险区主要景观类型相符；高-高集聚区内建设用地、耕地和林地受人类活动干扰而相互交错分布，导致景观内部结构细碎化，难以维持稳定状态。

3.3.3景观生态风险影响因素分析

为进一步探究2009—2018年江津区景观生态风险演变驱动力机制，通过地理探测器得到各影响因素解释力。由表5可知，2000年各指标解释力由大到小依次为人口密度(0.223 6)>GDP(0.189 7)>年降水量(0.189 3)>海拔(0.186 9)>土地利用强度(0.131 9)>坡度(0.048 1)，人口密度解释力明显高于其他指标；2009年，GDP解释力由2000年的0.189 7增加到0.228 4，上升势头较快，逐渐成为研究区景观生态风险主导诱因之一，而海拔和年降水量解释力均有所下降；2018年，人口密度和GDP解释力均>0.25，对景观生态风险贡献量较为明显，海拔(0.194 2)、土地利用强度(0.185 3)和年降水量(0.156 0)解释力次之，坡度解释力最小(0.102 9)。2000—2018年，人口密度对景观生态风险时空动态变化的解释力最强，说明在库区移民政策和农村劳动力转移的背景下，人口高度集聚对研究区景观结构和生态环境产生了一定负面效应。此外，GDP和土地利用强度解释力稳定递增说明随着社会经济发展和人类活动干扰增强，其对景观生态风险的影响也越来越深刻。总体来看，社会经济因子解释力整体高于自然环境因子，说明研究区人为活动对景观生态风险变化起主导作用，而海拔等自然环境因子也对景观生态风险变化起一定控制作用。

表5 2000—2018年研究区景观生态风险影响因子探测q值统计

4 讨论

景观生态风险评价将景观空间格局与生态过程相结合，注重多元风险的空间可视化和时空分异规律。从评价结果来看，江津区景观生态风险时空变化呈现以下特点：(1)空间格局差异明显，总体呈现“北高南低”的分布特征；(2)自然环境变化对景观生态风险影响有限，而以人口密度和GDP为代表的社会经济活动影响越来越明显。景观生态风险时空分布与土地利用强度和土地利用结构存在着密切关系[2]。笔者发现研究区北部城乡发展程度高，不同景观类型之间相互转移的概率更大，速度更快，近年来随着人为景观增加，自然景观减少，地表景观生态系统的原有平衡被打破，导致生态风险增加；研究区南部主要优势景观类型为林地和草地，土地开发强度较低，景观破碎度和分离度小，景观生态风险等级总体偏低，但生态环境较为敏感脆弱，抗干扰能力差。2000—2018年，江津区低和较低风险区面积下降幅度分别为2.45%和10.92%，而较高和高风险区面积占比合计由17.48%提高至22.4%，区域景观生态风险水平随着人类活动对景观的干扰程度加剧而整体上升。作为复杂的生态过程，研究区景观生态风险时空分布与自然环境和社会经济活动关系密切。研究结果表明虽然不同阶段各驱动因子影响程度存在差异，但人口及经济因素对景观生态风险动态变化的解释力较强，这印证了奚世军等[29]研究观点。江津区紧邻重庆主城，不仅是人口大区，更是推动重庆市“一区两群”协调发展和成渝地区双城经济圈建设的重要战略支点，存在生态环境与社会经济发展不协调、不同步的问题，亟需调整依赖土地资源的传统发展模式，通过经济转型实现绿色高质量发展，筑牢长江上游重要生态屏障。

通过景观生态风险评价可以发现区域景观格局存在的突出问题和潜在风险，从而为制定有效的管控措施提供决策依据。在生态保护和修复工作中，针对不同风险等级区域，需要依据其风险源特点和类型采取不同风险对策：在较高和高风险区，需要合理规划土地利用，严格控制建设开发规模和强度，推动产业结构调整，避免较高和高风险区继续向外扩展；中风险区作为耕地和林地的过渡区域，应合理开展农业活动，通过土地整理工程优化耕地利用布局，同时积极实施“保土护林”工程，建立健全生态补偿机制，实现经济效益、社会效益和生态效益的可持续发展；在生态脆弱区和敏感地带，需要有效控制人类活动，如在水源保护地、风景名胜区、基本农田保护区和重要湿地周围划定生态环境保护范围和生态缓冲区，减缓低和较低风险区向中风险区的转移速度，防范突发性生态环境风险。

从景观生态学角度将尺度效应分析与景观生态风险评价相结合，有利于揭示不同尺度下空间格局与生态过程之间耦合机制，同时也有利于提高景观生态风险识别效率。笔者研究充分考虑了景观格局特征与尺度转换之间的关系，为深入分析长江上游重要生态屏障区景观生态风险时空异质特征提供了有效的方法支撑。值得注意的是，不同景观格局指数对尺度效应的响应规律存在差异，在识别转折拐点和突变区间时会受到一定主观因素影响；此外，半变异函数拟合结果也缺乏景观格局指数变化方向效应分析。在今后研究中，需要继续加强有关景观尺度-格局-过程分析框架的理论探索，综合运用地理学、生态学模型和方法提高景观生态风险评估的准确性和全面性。

5 结论

基于2000、2009和2018年3期遥感影像数据，在确定景观格局最佳粒度和幅度基础上分析了江津区景观生态风险时空变化及主要风险来源，得出结论如下：

(1)江津区土地利用景观格局具有明显尺度依赖性，其最佳粒度和幅度分别为90 m和3 km。在最佳尺度下，各土地类型景观格局指数变化特征反映出在外界干扰下，区域景观格局空间结构及其变化趋势受到一定程度影响。

(2)研究区景观生态风险空间差异明显，各风险等级面积均有所变化。2000—2018年，研究区中风险区面积持续增加，逐渐占据主导地位；低和较低风险区面积总体有所减小；高和较高风险区面积呈现先降低后升高的波动式变化；研究区生态风险威胁程度整体有所上升。

(3)2000—2018年，研究区景观生态风险与自然环境变化和社会经济活动关系密切。随着人口规模扩大和GDP迅速增长，社会经济因子作用强度整体呈不断增强态势，人类活动的强烈扰动叠加于脆弱的自然基底之上，加剧了研究区景观生态风险状况恶化。