基于景观格局的祁连山国家公园景观生态风险评价

于航, 刘学录,*, 赵天明, 张梦莹, 年丽丽, 李晓丹

基于景观格局的祁连山国家公园景观生态风险评价

于航1, 刘学录1,*, 赵天明1, 张梦莹1, 年丽丽1, 李晓丹2

1. 甘肃农业大学资源与环境学院, 兰州 730070 2. 甘肃农业大学管理学院, 兰州 730070

为探析祁连山国家公园景观格局演变对景观生态风险的影响及为科学管理祁连山国家公园提供理论依据, 便于合理的保护和发展生态系统。以祁连山国家公园2000—2018年Landsat遥感影像解译数据为基础, 利用GIS空间分析技术和Fragstats4软件计算景观格局指数, 对研究区的景观结构的组成及其转化进行了分析, 在此基础上构建了景观生态风险指数, 并通过空间自相关性分析了景观生态风险变化。结果表明: (1)从整个景观来看, 景观破碎化程度相对较低, 其中, 森林景观破碎度显著增加, 水域破碎度和分离度最高, 不同景观类型干扰度特征差异较大。(2)研究区的区域景观生态风险等级面积中, 以低生态风险区为主导, 高生态风险区和较高生态风险区面积占比均较小, 但增长幅度较其他风险等级区高, 较低生态风险区和中等生态风险区面积总体呈下降趋势。(3)各时期景观生态风险度的Moran’s I值分别为0.633, 0.526, 0.547, 表现出空间正相关性,空间上趋于聚集。人类活动干扰是导致该区域景观生态风险升高的主要原因。

景观格局; 生态风险; 祁连山国家公园

0 前言

景观生态风险评价是生态风险评价的重要组成部分, 是对生态风险评价的补充和拓展, 它主要强调对区域生态环境可能面临的各种大规模灾害的可能影响进行综合分析, 对区域生态环境质量的提高和发展具有指导意义[1–3]。区域生态风险是多种因素相互作用的结果, 大致可分为自然因素和人为因素, 其特点是影响范围较大、作用时间及其产生的后果很难预测[4]。景观生态风险评估不同于传统的生态风险评估方法, 依托于景观生态学中生态过程与空间格局的耦合关联视角, 更加关注生态风险的时空异质性和尺度效应可能带来的不利后果, 是区域尺度生态风险评价的一个重要分支领域[5]。景观格局是景观生态学总的核心内容和热点区域。Forma在景观与区域生态学中首次提出“斑块—廊道—基质”, 推动了景观格局的进程[6]。景观既是自然社会资源, 又是人类经济活动开发的对象, 人类经济开发活动主要是在景观层次上进行[7]。对景观格局的研究可以揭示空间变异特征及区域生态状况的有效手段, 其沿着某一方向的相互反馈变化在预测某些生态过程中起着重要作用[8]。

祁连山国家公园是我国重要的生态功能区, 是西北地区重要的生态安全屏障和水源保护区。近些年, 由于气候变化和人类活动的干扰, 环境恶化问题严重, 引起了广泛关注。关于祁连山地区的研究主要从区域景观格局和流域景观方面展开的。汤萃文(2009)等[9]基于GIS, 通过选择合适的景观格局指数, 分析祁连山南坡植被景观格局的基本特征, 并进行破碎化评价;魏晓旭(2016)等[10]利用三期遥感影像, 结合相关气象数据和统计数据, 对石羊河流域景观生态风险的时空变化做了分析研究;赵培强(2018)等[11]以祁连山生物多样性保护重点区域甘肃地区为研究区, 利用GIS技术, 分析了生态景观格局和景观特征的动态变化;徐亚男(2019)等[12]利用3S技术, 分析了祁连山东段2000—2016年的景观动态变化和生态敏感性的关系, 且研究成果对于区域景观的维护和可持续发展来说具有积极意义。

目前, 国内对该地区景观格局变化及其生态风险的研究较少, 在景观生态风险的时空演变这方面尤甚[13]。随着祁连山国家公园管理体制的创新, 宏观层面的景观生态风险研究的迫切性日益明显。本文基于祁连山国家公园2000—2018年各景观破碎度和干扰度等景观格局指数, 结合景观生态学原理与空间统计学分析, 构建祁连山国家公园的景观生态风险指数, 对祁连山国家公园进行生态风险分析, 揭示生态风险的时空变化规律, 以期为其管理与协调发展提供科学依据和技术支持。

1 材料与方法

1.1 研究区概况

祁连山国家公园地处青藏高原东北部边缘, 总面积为50506.03 km², 由西北至东南一系列山脉、峡谷和山间盆地组成。平均海拔为4000 m以上, 大多数山地和河流上游发育有冰缘地貌。属高原大陆性气候, 太阳辐射强, 日夜温差较大, 干湿分明, 气温和降水垂直变化明显, 雨热同季。2017年9月, 中共中央办公厅国务院办公厅印发了《祁连山国家公园体制试点方案》批准为祁连山国家公园。是中国首批设立的10个国家公园体制试点之一, 公园保护对象涵盖森林、草原、冰川、荒漠等生态系统。

2 数据来源与研究方法

2.1 数据来源与处理

选用2000年、2010年和2018年共3个时期祁连山国家公园Landsat遥感影像数据(分辨率为30 m)。并结合相关资料分析, 在ENVI 5.1软件的支持下, 对图像进行校正及配准等预处理。采用监督分类和目视解译结合的方法进行解译。依据一些学者[14–16]的分类结果及研究区的实际情况, 将研究区划分为森林、草地、水域、灌木、冰雪、裸地6类景观要素。进行监督分类时, 结合Google Earth和野外采样点实地考察，并对解译结果进行精度验证, 结果显示各解译类型Kappa系数均介于0.8— 0.95, 解译精度符合研究需要。研究区矢量边界范围、影像校正参考数据来源于甘肃省自然资源规划研究院。

2.2 研究方法

2.2.1 景观结构变化及景观格局指数计算

为了探究不同景观类型之间的转化情况, 利用GIS10.5空间分析模块工具计算研究区2000—2018年各景观类型的马尔科夫转移矩阵[17], 有助于探讨类型转换的相互关系。景观指数可用于定量描述和监测景观结构特征随时间的变化, 方法是将复杂的景观高度浓缩成简单且易于识别的景观格局信息, 并反映其结构组成和空间配置等[18]。通过景观格局分析软件Fragstats4得出相关的景观指数。

2.2.2 生态风险小区划分

为了让景观生态风险指数空间化, 采用覆盖所有研究区域的网格来进行系统采样。景观生态学研究认为, 要全面反映采样点周围的景观格局信息, 风险小区的面积必须达到平均斑块面积的2—5倍。研究区边缘切破的不规整地块, 面积大于0.5个规整样区的单独作为一个样区, 面积小于0.5个规整样区并入相邻样区[19]。因此, 风险小区的划分是根据景观斑块的平均面积大小将其划分为10 km×10 km的风险小区采样方格, 采样方式为等间距系统采样法, 共划分风险小区702个, 以此作为生态风险采集的样本。通过景观生态风险评价模型, 对每一评价单元样区的生态风险指数进行计算, 让其作为空间插值分析的样本。研究区生态风险样区划分如图1所示。

2.2.3 景观生态风险模型的构建

景观损失度是指受自然和人为因素干扰时, 不同景观类型所代表的生态系统自然属性的损失程度。通过公式(表1)计算, 将不同指数叠加, 利用景观干扰度、景观脆弱度, 构建景观损失度指数(R):

式中:R为景观损失度指数,E为景观干扰度指数,V为脆弱度指数, 在借鉴他人研究成果[4,20]的基础上并结合研究区的特点, 采用专家打分法, 将景观类型的脆弱性分为6级: 冰雪为6, 水域为5, 草地为4, 灌木为3, 林地为2, 裸地为1。归一化后, 得到各景观类型的脆弱度指数V的权重。景观干扰度的计算公式及各参数的意义见表1。

通过景观干扰度指数和景观脆弱度指数来建立景观损失度指数, 在此基础上, 构建景观生态风险指数[21]():

式中:R为景观损失度指数,A表示第个风险小区中景观类型的面积,A是第个风险小区的总面积,为景观类型。ERI为风险小区的景观生态风险指数, 该值越大表示生态风险程度越高, 反之, 生态风险程度越低。

2.2.4 空间自相关分析

空间自相关分析通过描述某一要素的属性值与其在空间上相邻的各要素属性值之间是否存在显著相关性, 来揭示空间参考单元和相邻单元在属性特征值方面的空间相关特征。分为两种指标: 全局Moran's I指数用于检验某一要素的属性值在整个研究区内的空间相关性[25]: 局部Moran's I指数用于反映某一要素的属性值和相邻空间单元的相关性[26]。选取 Moran's I 指数研究区域全局空间相关性, 当 Moran's I的值为正数时, 说明存在正相关性, 且随着数值的增加, 相关性越来越显著。通过LISA 图来研究属性值在局部地区是否存在明显的高高聚集情况和低低聚集情况。

图1 风险小区划分图

Figure 1 Risk plot division

表1 景观格局指数及意义[22]

3 结果与分析

3.1 景观要素变化分析

在各个研究阶段, 对3期数据进行地类面积和数理统计可知, 2000—2018年裸地显著减小, 由原来总面积占比的85.76%减少到67.19%(图2), 草地和灌木处于涨势, 森林、水域大体上处于平稳状态。冰雪面积变化最小, 较2000年增加了0.3%(表2)。

2000—2018年, 转出面积的顺序依次为裸地＞冰雪＞森林＞灌木＞草地＞水域, 而转入的面积为灌木＞草地＞裸地＞冰雪＞水域＞森林。在这个变化的过程中, 裸地和灌木体现出大幅度的转出、转入变化。其中裸地表现为比较明显的双向转化的特点, 草地和灌木则以单向的转出变化为主。祁连山国家公园景观要素变化在一定程度上体现了频繁的人类活动对景观要素的影响。研究区内由于气候变化及人为的干扰的因素使具有较高生态意义的景观要素减少, 最终使得生态环境恶化, 景观生态风险升高。

3.2 景观指数变化分析

利用Fragstats4软件, 得到祁连山国家公园2000—2018年景观格局指数(表3)。由于自然胁迫和人类活动的干扰, 导致各景观要素面积及斑块数的变化, 进而导致相应景观类型风险指数的变化[20]。由表3可以看出, 2000—2018年, 在整个景观中, 研究区景观破碎度＜1, 景观破碎化程度相对较低, 其中, 森林景观破碎度显著增加, 生态风险增加, 由于人类一系列不合理的开发利用, 如乱砍乱伐、无序采矿, 导致祁连山森林不断减少。水域破碎度和分离度最高, 引起其生态风险指数上升。研究区内不同景观类型干扰度特征差异较大, 水域干扰度最大, 灌木和森林的干扰度次之。20年间研究区内各景观类型的分维数均<1.5, 景观类型的形状复杂度较低, 从总体看, 研究区各景观类型的分维数变化不明显, 草地的分维数在20年间略有增加, 说明其景观类型的异质性略有增加: 裸地景观类型的分维数表现为下降趋势, 裸地景观异质性有所下降。

图2 研究区2000—2018年各景观类型面积

Figure 2 Area of various landscape types in the study area from 2000 to 2018

表2 研究区2000—2018年各景观类型转移矩阵

表3 研究区2000—2018年各景观指数变化

3.3 景观生态风险空间变化分析

对基于景观结构的生态风险指数进行等级划分, 目的是为了便于直观地分析生态风险等级的空间分布特征。根据公式(2)计算出各生态风险小区的生态风险指数: 2000年介于0.0361—0.1756之间, 2010年介于0.0707—0.1399之间, 2018年介于0.0476— 0.1902之间, 利用GIS所提供的自然断点法, 将研究区的生态风险划分成5个等级: 0.03—0.06为低生态风险区, 0.06—0.09为较低生态风险区, 0.09—0.12为中生态风险区, 0.12—0.15为较高生态风险区, 大于0.15为高生态风险区。在此基础上, 利用克里格插值法得到研究区生态风险等级图(图3), 并获取研究区景观生态风险区的面积变化情况(图4)。

研究表明, 祁连山国家公园风险空间分布一定程度上体现了景观结构的分布规律, 具有区域性和异质性特征。低生态风险主要分布在中西部的裸地上, 该区域多年来已经形成较为稳定的景观结构, 景观破碎度和敏感度较低。2000年, 处于高生态风险的景观类型分布在研究区的中部地区, 以林地和草地为主, 林地景观类型易受人为因素干扰而产生高生态风险: 2010年中部处于较低风险的灌木, 变为较高风险区, 说明近几年该地区人类活动及降水因素对于其影响比较明显: 2018年, 受其他风险等级的胁迫, 高生态风险从中部发展到西部以及其他部分区域: 低生态风险主要分布在中西部及西部部分一带, 这些区域景观结构较为完善, 但也是毁林开矿等行为的主要发生区域, 存在一定的潜在风险。2000—2018年, 较高生态风险的分布有一定的蔓延的趋势, 今后应重点防范, 中生态风险主要分布于西部的山区地带, 该区域海拔相对较高, 有较多的破碎化水域、冰雪和灌木镶嵌其中, 这些景观的自身的稳定性较差, 生态系统相对脆弱: 低生态风险分布区域逐渐变小且演变为其他生态风险。

图3 2000—2018年生态风险空间分布图

Figure 3 Spatial distribution map of ecological risk from 2000 to 2018

图4 2000—2018年区域景观生态风险等级面积占比

Figure 4 Proportion of regional landscape ecological risk grade area from 2000 to 2018

由图4可知: (1)研究区3期景观生态风险中处于高生态风险区的面积占比最小, 均未超过14%, 2000—2018年间研究区的高生态风险区面积有所增加, 增加了5764.04 km², 占到总的研究区的11.41%。(2)其次是较高生态风险区, 从数据来看, 近20年来, 较高生态风险区面积逐渐升高, 2000— 2010年面积有所增加, 增加到12.49%, 2000年和2010年处于较高生态风险区的面积占整个研究区面积的17.64%。(3)中等风险区20年间的面积先增加后略有下降, 由2000年的13.29%增加到2010年的23.39%, 后来略下降到23.37%。(4)中等生态风险区面积先增加后下降, 由2000年的13.29%增加到2010年的23.29%, 后下降到2018年的23.37%: (5)在3期景观生态风险等级面积占比中, 低生态风险区2000年面积占比是最大但持续下降, 由2000年的52.18%下降到2018年的16.26%。

总体看来, 20年间研究区的区域景观生态风险等级面积中, 高生态风险区和较高生态风险区面积占比均较小, 低生态风险区面积占比最大, 其次是较低生态风险区和中等生态风险区: 从横向对比面积变化情况来看, 较低生态风险区面积占比变化趋势较平稳, 总体看来无明显变化: 较低生态风险区和中等生态风险区面积先升后降, 总体呈下降趋势: 低生态风险区面积持续下降。

3.4 景观生态风险空间自相关分析

(1) 生态风险全局自相关分析

利用GeoDa计算2000—2018年研究区景观生态风险空间分布数据得到Moran’s I散点图(图5), 显示出整个区域的整体分布和空间聚集情况。祁连山国家公园景观生态风险在2000、2010、2018年Moran’s I分别为0.633, 0.526, 0.547。三个时期Moran’s I的数值均大于0, 说明各年研究区内景观生态风险值存在空间正相关关系, 即相邻地区在空间上呈现出高度相似性, 存在集聚效应。

(2) 生态风险局部自相关分析

由于Moran’s I值并不能展现空间上的相互联系, 进一步采用局部自相关分析, 得到局部自相关LISA聚集图(图6)。由图可知, 2000—2018年, 祁连山国家公园的景观生态风险指数均以高-高聚集和低-低聚集结构为主。研究区生态风险的“高-高”值区域聚集于中部及东部, 这些景观生态风险区高的地区, 相邻地区的景观生态风险程度也比较高。“低-低”值区域主要聚集在研究区西部和中西部, 说明这些区域景观生态风险程度低, 其相邻地区的景观生态风险程度也较低。结合景观类型分布来看, “低-低”聚集区主要景观类型为灌木, 与低景观生态风险主要景观类型相符, “高-高”聚集区主要景观类型为林地、冰雪和草地, 与高景观生态风险区和较高景观生态风险区的主要景观类型相符, “高-高”结构聚集区内, 林地、草地和冰雪的分布较分散, 加上人类活动干扰程度较大, 景观内部稳定性较差。

图5 研究区2000—2018年景观生态风险Moran’s散点图

Figure 5 Moran’s scatter plot of landscape ecological risk in the study area from 2000 to 2018

图6 研究区2000—2018年景观生态风险局部空间自相关

Figure 6 Local spatial autocorrelation of landscape ecological risk in the study area from 2000 to 2018

4 讨论与结论

4.1 讨论

由于自然环境和人类社会生产活动的相互作用, 区域生态环境遭到了威胁, 从而增加了景观生态风险。学界对于区域景观生态风险的评价日益关注, 而对祁连山地区景观格局变化及其景观生态风险的研究较少, 本文基于祁连山国家公园2000—2018年景观格局的动态变化为基础, 分析了区域景观结构的组成及其转化, 在此基础上构建了景观生态风险指数, 并通过空间自相关性分析了景观生态风险变化。通过相关分析得知, 研究区的景观破碎化程度相对较低, 其中, 森林景观破碎度显著增加, 水域破碎度和分离度最高, 由于时令河湖等多重因素和部分人为干扰导致的。各年研究区内景观生态风险值存在空间正相关关系, 即相邻地区在空间上呈现出高度相似性, 存在集聚效应。且“低低”和“高高”聚集是其主要生态风险聚集模式, 研究区内生态风险空间差异明显。此结论与娄妮等[27]学者关于生态风险聚集模式的研究结果较为一致, 亦与谢刚等[28]、谢小平等[29]学者认为的景观生态风险在空间上不断集聚且景观生态风险的空间趋同性有所提高的结论具有相似性, 可知景观生态风险程度空间的表现模式。然而, 本研究认为祁连山国家公园范围广阔, 人类对于各种景观格局有一定的影响, 但由于气候变化及时令河湖等多重因素, 使得祁连山国家公园的景观格局及景观生态风险表现的略为复杂, 且在空间上呈现出相应的规律, 这在今后中有待进一步考证。

总的看来, 在研究区的区域景观生态风险等级面积中, 以低生态风险区为主, 高生态风险区和较高生态风险区面积均占比不大, 但增长幅度较其他风险等级区高, 以后应进一步重点治理。主要治理方向是对草地和森林的治理, 较高和高生态风险区的主要风险源归于自然因素和人类活动的干扰。应从本研究区生态环境的角度出发, 科学合理地降低研究区的生态风险等级。首先对国家自然保护区的有关规定要严格执行, 禁止在自然保护区核心区、缓冲区内开展旅游活动和建设生产设施: 其次是本着宜牧则牧、宜林则林的原则, 对祁连山国家公园全面规划、综合治理, 要尽力做到与自然环境协调发展。祁连山国家公园在今后的保护中应尊重景观的整体性和异质性等, 尊重自然的自我修复。该区域生态环境因近些年来的保护政策有所改善, 但总的来说生态环境十分脆弱, 所以针对该区域做出的景观生态风险评价很有必要。生态风险评价是一个复杂的过程, 需要考虑多重不确定因素, 这些因素决定了综合评价结果, 在对于祁连山国家公园景观生态风险评价时, 评价方法和过程还有待进一步完善。

4.2 结论

通过对2000—2018年的遥感数据结合文献资料及其野外调查, 基于景观格局指数构建生态风险指数, 并以景观的角度以定量化的形式表现出来, 对认识祁连山地区生态环境、空间特征等方面具有一些参考意义, 为祁连山国家公园环境治理提供了辅助决策支持。结果如下:

(1)2000—2018年, 在整个景观中, 研究区景观破碎度＜1, 景观破碎化程度相对较低, 其中, 森林景观破碎度显著增加, 水域破碎度和分离度最高, 研究区内不同景观类型干扰度特征差异较大, 水域干扰度最大, 灌木和森林的干扰度次之。

(2)2000年, 研究区以低生态风险区为主, 而到了2018年低生态风险有明显降低趋势, 2010—2018年, 则以较低和中等生态风险区为主, 高生态风险区的面积明显增加, 高生态风险区主要分布于研究区西部以及中部区域, 东南部区域也有少面积分布, 因此在这些区域的风险度也较大。2000—2018年, 研究区各生态风险大体呈趋平走向, 较高生态风险区占比面积显著增加, 主要分布于研究区西南部和中部地区。祁连山国家公园景观生态风险三个时期Moran’s I的数值均大于0, 说明各年研究区内景观生态风险值存在空间正相关关系, 即相邻地区在空间上呈现出高度相似性, 存在集聚效应。

(3)2000—2018年, 祁连山国家公园的景观生态风险指数均以高-高聚集和低-低聚集结构为主。研究区生态风险的“高-高”值区域聚集于中部及东部, 这些景观生态风险区高的地区, 相邻地区的景观生态风险程度也比较高。“低-低”值区域主要聚集在研究区西部和中西部, 说明这些区域景观生态风险程度低, 其相邻地区的景观生态风险程度也较低。研究期间, 整体生态风险呈现上升趋势, 生态风险程度表现出空间正相关性。

[1] 罗娟. 基于土地利用景观结构的生态风险评价[D]. 呼和浩特: 内蒙古师范大学, 2015.

[2] MO W, WANG Y, ZHANG Y, et al. Impacts of road network expansion on landscape ecological risk in a megacity, China: A case study of Beijing[J]. The Science of the Total Environment, 2017, 574(1): 1000–1011.

[3] KUPFER J A. Landscapeecology and biogeography: Rethinking landscape metrics in a post-FRAGSTATS landscape[J]. Progress in Physical Geography, 2012, 36(3): 400–420.

[4] 高宾, 李小玉, 李志刚, 等. 基于景观格局的锦州湾沿海经济开发区生态风险分析[J]. 生态学报, 2011,31(12): 3441–3450.

[5] 彭建, 党威雄, 刘焱序, 等. 景观生态风险评价研究进展与展望[J]. 地理学报, 2015, 70(4): 664–677.

[6] FORMAN R T T. Land mosaics: the ecology of the landscapes and regions[M]. Cambridge University Press, 1995.

[7] 游巍斌, 何东进, 巫丽芸, 等. 武夷山风景名胜区景观生态安全度时空分异规律[J]. 生态学报, 2011, 31(21): 6317–6327.

[8] 谢花林. 基于景观结构的土地利用生态风险空间特征分析: 以江西兴国县为例[J]. 中国环境科学, 2011, 31(4): 688–695.

[9] 汤萃文, 张海风, 陈银萍, 等. 祁连山南坡植被景观格局及其破碎化[J]. 生态学杂志, 2009,28(11): 2305–2310.

[10] 魏晓旭. 基于GIS和RS的石羊河流域景观生态风险研究[D]. 兰州: 西北师范大学, 2016.

[11] 赵培强, 陈明霞. 祁连山生物多样性保护优先区域生态景观格局动态变化分析[J]. 中国水土保持, 2018(10): 44–48.

[12] 徐亚男, 刘学录, 李晓丹, 等. 祁连山东段生态敏感性对景观动态变化的响应[J]. 生态科学, 2019, 38(5): 160–167.

[13] 李武, 李丽, 吴巩胜, 等. 白马雪山国家级自然保护区景观动态变化研究[J]. 海南师范大学学报(自然科学版), 2015, 28(3): 298–302, 320.

[14] 王旭丽, 刘学录. 基于RS的祁连山东段山地景观稳定性分析[J]. 遥感技术与应用, 2009, 24 (5): 665–669.

[15] 刘晶, 刘学录, 侯莉敏. 祁连山东段山地景观格局变化及其生态脆弱性分析[J]. 干旱区地理, 2012, 35(5): 795– 805.

[16] 侯艳丽, 刘学录, 马俊. 基于RS的东祁连山地景观生态安全度分析[J]. 湖南农业科学, 2011(3): 84–87.

[17] 刘瑞, 朱道林. 基于转移矩阵的土地利用变化信息挖掘方法探讨[J]. 资源科学, 2010, 32(8): 1544–1550.

[18] 王娟, 崔保山, 刘杰, 等. 云南澜沧江流域土地利用及其变化对景观生态风险的影响[J]. 环境科学学报, 2008, 28(2): 269–277.

[19] 苏海民, 何爱霞. 基于RS和地统计学的福州市土地利用分析[J]. 自然资源学报, 2010, 25(1): 91–99.

[20] 高永年, 高俊峰, 许妍. 太湖流域水生态功能区土地利用变化的景观生态风险效应[J]. 自然资源学报, 2010, 25(7): 1088–1096.

[21] 卢远, 苏文静, 华璀, 等. 左江上游流域景观生态风险评价[J]. 热带地理, 2010, 30(5): 38–44.

[22] 张月, 张飞, 周梅, 等. 干旱区内陆艾比湖区域景观生态风险评价及时空分异[J]. 应用生态学报, 2016, 27(1): 233–242.

[23] 赵彩霞. 甘肃白龙江流域生态风险评价[D]. 兰州: 兰州大学, 2013.

[24] 魏伟, 赵军, 王旭峰. 石羊河流域土地利用类型景观异质性[J]. 生态学杂志, 2010,29 (4): 760–765.

[25] 杨永侠, 王旭, 孟丹, 等. 基于空间自相关的耕地等别指数检验方法研究[J]. 农业机械学报, 2016, 47(5): 328– 335.

[26] 刘世梁, 侯笑云, 尹艺洁, 等. 景观生态网络研究进展[J].生态学报, 2017, 37(12): 3947–3956.

[27] 娄妮, 王志杰, 何嵩涛. 基于景观格局的阿哈湖国家湿地公园景观生态风险评价[J].水土保持研究, 2020, 27(1): 233–239.

[28] 谢刚, 谢元贵, 廖小锋, 等. 基于水土流失敏感性的岩溶地区景观生态风险评价——以黔南州为例[J]. 水土保持研究, 2018, 25(3): 298–304.

[29] 谢小平, 陈芝聪, 王芳, 等. 基于景观格局的太湖流域生态风险评估[J]. 应用生态学报, 2017, 2 8(10): 3369–3377.

Landscape ecological risk assessment of Qilian Mountain National Park based on landscape pattern

YU Hang1, LIU Xuelu1,*, ZHAO Tianming1, ZHANG Mengying1, NIAN Lili1, LI Xiaodan2

1. College of Resources and Environmental Sciences, Gansu Agricultural University, Lanzhou 730070, China 2. College of Management, Gansu Agricultural University, Lanzhou 730070, China

In order to analyze the impact of the evolution of the Qilian Mountain National Park landscape pattern on the landscape ecological risk and provide a theoretical basis for the scientific management of the Qilian Mountain National Park, it is convenient for the reasonable protection and development of the ecosystem. Based on the interpretation data of Landsat remote sensing images of Qilian Mountain National Park from 2000 to 2018, the landscape pattern index was calculated using GIS spatial analysis technology and Fragstats4 software, and the composition and transformation of the landscape structure of the study area were analyzed and constructed on this basis The landscape ecological risk index is analyzed, and the change of landscape ecological risk is analyzed through spatial autocorrelation. The results show that: (1) From the perspective of the entire landscape, the degree of landscape fragmentation is relatively low. Among them, the fragmentation degree of forest landscape has increased significantly, the degree of fragmentation and separation of water area is the highest, and the characteristics of interference degree of different landscape types are quite different. (2) In the area of regional landscape ecological risk level in the study area, the low ecological risk area is the leading area. The areas of high ecological risk area and higher ecological risk area account for a small proportion, but the growth rate is higher than that of other risk level areas. The areas of low ecological risk areas and medium ecological risk areas have shown an overall downward trend. (3) The Moran’s I values of the landscape ecological risk in each period are 0.633, 0.526, and 0.547 respectively, showing positive spatial correlation and tending to congregate in space. The disturbance of human activities is the main reason leading to the increase of ecological risks in the landscape in this area.

landscape pattern; ecological risk; qilian Mountain National Park

10.14108/j.cnki.1008-8873.2022.02.012

x826

A

1008-8873(2022)02-099-09

2020-06-22;

2020-08-01

甘肃农业大学校级自列课题(GSAU-ZL-2015-046)

于航(1996—), 男, 内蒙古通辽人, 硕士研究生, 主要从事景观生态学方面的研究, E-mail: yh0035@126.com

通信作者:刘学录(1966—), 男, 甘肃天水人, 博士, 教授, 主要从事景观生态学和土地利用管理方面的研究, E-mail: liuxl@gsau.edu.cn

于航, 刘学录, 赵天明, 等. 基于景观格局的祁连山国家公园景观生态风险评价[J]. 生态科学, 2022, 41(2): 99–107.

YU Hang, LIU Xuelu, ZHAO Tianming, et al. Landscape ecological risk assessment of Qilian Mountain National Park based on landscape pattern[J]. Ecological Science, 2022, 41(2): 99–107.