干旱河谷生态服务价值与景观生态风险时空演变

周建伟　罗君

摘要：基于2000～2020年高精度土地利用数据，利用生态系统服务价值（ESV）和景观生态风险指数（LERI）评估模型、双变量空间自相关模型、地理探测器，探究安宁河流域和白龙江流域ESV和LERI的时空演变、关联和分异特征。结果表明：安宁河流域和白龙江流域土地利用以林草为主；城镇扩张影响下两地ESV和LERI 均呈降低趋势，ESV以低和中等等级为主，LERI以极低和低等级为主；ESV和LERI具有显著空间负相关性且两者关系以高价值-低风险和低价值-高风险为主；人类活动对两地ESV和LERI空间分异起主导作用；林地和草地是两流域ESV的重要来源，建设用地的激增使两流域ESV不断减少、LERI有所降低。需因地制宜完善用地结构，加强林草及水域保护，合理控制城镇扩张，推动流域土地利用结构可持续发展。

关 键 词：生态系统服务价值； 景观生态风险指数； 干旱河谷； 时空演变； 时空分异

中图法分类号： X171

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2023.04.013

0 引 言

随着经济社会的快速发展，人类活动对自然环境的影响加剧［1］，致使生态系统结构与功能恶化［2］、区域生态风险不断上升［3］等一系列生态问题日益严重。全面准确把握生态系统功能的变化、科学防范生态风险是区域生态环境保护和生态安全格局构建的前提和关键［4］。

生态系统服务价值（Ecosystem Service Value，ESV）和景观生态风险指数（Landscape Ecological Risk Index，LERI）评估是生态环境评价的重要内容，同生态安全评价息息相关［1］。生态系统服务指人类通过生态系统的结构、过程和功能直接或间接获得的生命支持产品和服务［5］，是人类赖以生存和发展的自然条件和效用［6］，对其进行价值评估是联系生态系统研究与管理决策的关键环节［7］，有助于使自然资本在公共决策中得到认可。当前，ESV评估方法主要分为单位面积服务价值功能价格法［8］和单位面积价值当量因子法［9］，当量因子法因适用于区域ESV评估［10］而被学者广泛应用于各级尺度研究［11-12］。景观生态风险指自然或人为因素干扰下景观格局和生态过程相互作用可能產生的不利后果［13-14］，LERI评价可为区域综合风险防范提供决策依据，能有效引导区域景观格局优化与管控［15］。ESV和LERI的综合运用，有利于使人类福祉与生态环境变化相联系，可为区域生态环境保护提供决策支持［16］。

前人针对ESV和LERI各自进行了大量研究［13，17］，也开展了ESV和LERI空间关联的相关研究［1，4］。但当前ESV和LERI空间关联和空间分异研究局限于单一区域或单一时段，缺乏不同区域及多时段动态对比研究，不仅无法对比不同区域ESV和LERI的空间关联性，更无法全面表征ESV和LERI 空间分异性的动态变化。沿安宁河和白龙江分布的狭长干旱地段作为中国干旱河谷的重要组成部分，是区域社会、经济和文化的中心。安宁河流域是攀西城市群经济发展的核心地带，白龙江流域是成渝城市群与城市群间的重要能源枢纽，两地同为中国西部重要的多民族聚居区，对区域经济可持续发展及国家长治久安意义重大。在城镇化进程加快、西部大开发、退耕还林还草等因素影响下，安宁河流域和白龙江流域经济增长迅速，但随之而来的人口激增、城镇过度扩张等问题不仅加剧区域人地矛盾突出及生态退化，也威胁中国生态文明建设和生态安全格局构建。研究安宁河流域和白龙江流域ESV和LERI时空演变、二者空间关联性及分异性特征，可为中国西部干旱河谷区土地利用规划、生态修复、生态安全格局构建及人地关系协调发展提供科学参考。

1 研究区概况与研究方法

1.1 研究区概况

安宁河为雅砻江一级支流，流经四川省凉山州和攀枝花市（见图1），流域面积约11 053.59 km2，海拔997～5 081 m，地处横断山脉东缘，属亚热带季风气候区，夏季高温多雨、冬季干燥少雨［18］；流域内安宁河平原为四川省第二大平原，是川西南地区重要的经济增长极，2020年末GDP约960.51亿元、人口约192.61万人、城镇化率约52.65%。白龙江为嘉陵江一级支流，流经甘肃省甘南州、陇南市及四川省阿坝州和广元市（见图1），流域面积约32 113.07 km2，海拔450～4 865 m，处青藏高原向黄土高原、秦巴山区及暖温带向北亚热带过渡地带［19］，夏季高温多雨、冬季温暖少雨，2020年末GDP约510.07亿元、人口约182.11万人、城镇化率约37.72%。白龙江流域为川、甘交界处的重要多民族聚居区，流域内梯级水电开发对中国能源安全起重要作用。

1.2 数据来源

2000～2020年3期30 m分辨率土地利用数据来源于地球大数据科学工程数据共享服务系统数据（http：∥data.casearth.cn/），该数据由中国科学院空天信息创新研究院利用Landsat卫星（Lnadsat TM，ETM+和OLI）所生产，总体精度为82.5%［20］，Kappa系数达0.784，满足研究需求。地理探测因子数据包括源自中国科学院资源环境数据中心（http：∥www.resdc.cn/）的归一化植被指数、年降水、年均温、地均GDP和人口密度数据；高程数据来自地理空间数据云（http：∥www.gscloud.cn/），并由高程计算得到坡度和坡向数据；人为影响指数利用公式计算而得。粮食产量和价格数据源于研究期内两流域主要县级行政区统计年鉴、四川省粮食和物资储备局（https：∥lwj.sc.gov.cn/）和甘肃省粮食和物资储备局（http：∥lscb.gansu.gov.cn/）。

1.3 研究方法

1.3.1 生态系统服务价值评估模型

基于ESV评估模型［5］，参照谢高地等［21］提出的中国陆地生态系统单位面积ESV当量（见表1），依据研究期内安宁河流域和白龙江流域主要县级行政区平均粮食产量（分别为5 389.86，4 088.20 kg/hm2）及2020年四川省和甘肃省主要农作物收购价格（分别为2.41，3.15元/kg），按“单位面积农田ESV等于平均粮食单产市场经济价值的1/7”［21］，得出安宁河流域和白龙江流域ESV当量因子经济价值（分别为1 855.65，1 839.69元/hm2），最终得到研究区ESV总量，公式为

式中：ESV表示生态系统服务价值总量；Ai表示评价格网第i种地类的面积；Sij表示第i种地类第j种生态系统服务类型单位面积所提供的ESV当量；i为地类数量；j为生态系统服务类型。

1.3.2 景观生态风险指数评估模型

从区域生态系统的景观结构出发，选取景观干扰度指数、景观脆弱度指数、景观损失度指数构建综合生态风险指数，以此分析研究区生态风险大小及其变化情况，计算公式［22］如下：

式中：LERIk为第k个风险小区的景观生态风险指数；Aki为第k个风险小区内第i种地类的面积；Ak为第k个风险小区的面积；n为评价格网数；Ri为第i类地类的景观损失度指数。各参数计算公式及含义［23-25］详见表2。

1.3.3 人为影响指数

人为影响指数（Human Active Index，HAI）能表征人为活动对土地利用和景观结构变化的影响［26］，故利用HAI分析研究区ESV和LERI同人类干扰强度间的相互关系。公式如下：

式中：HAI为人为影响指数；Ai为评价格网内第i种地类的总面积；Si为第i种地类的人为影响强度参数，基于前人研究［26-27］对Si进行赋值；n为地类数量；AT为评价格网总面积。

1.3.4 双变量空间自相关模型

为探索研究区ESV和LERI的空间关联特征，运用GeoDa双变量空间分析模型，利用全局空间自相关Morans I指数反映两者整体空间关联和差异状况，计算公式［28］如下：

式中：Iel为单位面积生态系统服务价值e和生态风险指数l的双变量全局自相关系数；yie和yil分别为第i个评价小区单位面积生态系统服务价值和生态风险指数；σe和σl为方差；n为评价小区数；wij为基于空间邻接关系建立的权重矩阵。

1.3.5 地理探测器

地理探测器（Geodetector）可探索要素的空间分异特征［29］，采用其因子探测器对研究区ESV和LERI空间分异的驱动因子进行探测，公式为

式中：q表示自变量对因变量空间分异的解释力；σh2和σ2分别为评价小区和全区Y值的方差；Nh和N分别为评价小区h和全区的样本数。

2 结果与分析

2.1 土地利用动态变化分析

2000～2020年两个典型干旱河谷土地利用均以林地为主，其次为草地和耕地，其余地类占比较小（见图2），安宁河流域与白龙江流域的林草地占比分别在89.74%和84.78%以上、耕地占9.26%和13.15%以上。20 a来除安宁河流域林地和草地、白龙江流域耕地和草地有所减少外，其余地类均呈增长趋势（见表3），其中安宁河流域草地缩减3.58%（113.95 km2）、建设用地增长激增85.73%（69.02 km2），白龙江流域耕地减少4.63%（144.31 km2）、建设用地扩张120.59%（116.51 km2）。

2.2 ESV动态变化分析

2000～2020年安宁河流域和白龙江流域ESV呈缓慢下降趋势，分别减少0.61%和0.07%，两地林草地对ESV的贡献率突出，分别达91.58%和95.19%以上（见表3）。近20 a，安宁河流域林地、白龙江流域耕地以及两地草地和建设用地ESV呈减少趋势，其余地类ESV不断增加，其中安宁河流域水域和耕地ESV增长11.52%和3.16%、草地和建设用地ESV变化率为-3.58%和85.73%，白龙江流域水域和林地ESV增长12.46%和0.22%、建设用地和耕地变化率达120.59%和-4.63%。可见安宁河流域林草地面积的锐减、白龙江流域耕地和草地的缩减以及两地城镇建设的快速推进，使区域生态环境逐步恶化。

通過1 km×1 km和2 km×2 km格网分别计算安宁河流域与白龙江流域单位面积ESV（万元/hm2），并利用ArcGIS 10.7进行克里金插值，依据自然断点法进行分级。其中，安宁河流域分为极低价值［-1.033 0，1.792 1）、低价值［1.792 1，2.929 1）、中等价值［2.929 1，3.740 2）、高价值［3.740 2，11.822 5）和极高价值［11.822 5，25.510 0）；白龙江流域分为极低价值［1.148 4，2.403 5）、低价值［2.403 5，3.194 0）、中等价值［3.194 0，3.845 0）、高价值［3.845 0，6.986 7）和极高价值［6.986 7，9.175 8）。得到2000～2020年两地单位面积ESV的空间分布图（见图3），同时对不同等级ESV的面积占比进行统计（见图4）。近20 a，安宁河流域与白龙江流域单位面积ESV以高和中等两个等级为主，两等级面积占比之和分别在69.6%和71.2%以上，此外两地低等级单位面积ESV占比分别在22.2%和27.5% 以上，除安宁河流域低、中等和极高3个等级及白龙江流域中等等级单位面积ESV占比有所降低外，其余等级缓慢增长。高ESV集中于两流域水域及林地密集带，低ESV主要分布于耕地和建设用地集中的河谷地带，中等ESV则集中于两地草地及林草过渡带。

近20 a，安宁河流域和白龙江流域单位面积ESV平均值分别下降0.6%和0.1%，表明经济快速发展、城镇化加快推进等人为因素干扰下，两地生态环境在不断恶化，威胁区域生态可持续发展。

2.3 LERI动态变化分析

同样借助ArcGIS 10.7自然断点法将格网尺度下两流域LERI进行分级（见图5），并统计各等级面积占比变化（见图6）。其中，安宁河流域分为极低风险［0.016 1，0.026 4）、低风险［0.026 4，0.041 2）、中等风险［0.041 2，0.063 4）、高风险［0.063 4，0.153 6）和极高风险［0.153 6，0.332 1）；白龙江流域分为极低风险［0.013 8，0.026 4）、低风险［0.026 4，0.041 7）、中等风险［0.041 7，0.061 9）、高风险［0.061 9，0.089 1）和极高风险［0.089 1，0.191 7）。2000～2020年安宁河流域和白龙江流域LERI以极低和低两个等级为主，两等级面积占比之和分别达66.01%和75.00%以上，两地中等LERI占比分别在17.15%和12.38%以上，除安宁河流域极低、低两等级及白龙江流域极低等级LERI占比有所增长外，其余等级缓慢增长。高LERI集中在两地耕地、建设用地集中的河谷地带和水域面积较大区，低LERI主要分布于两地林地密集区域，中等LERI则处于河谷人类活动频繁区与林草等植被过渡地带。

近20 a，安宁河流域和白龙江流域LERI平均值分别下降8.24%和3.50%，表明随着人类活动对流域生态环境的干扰，区域土地利用趋于集中，致使破碎度降低，两地景观生态风险得到一定缓解。

2.4 ESV与LERI的空间关联分析

运用GeoDa计算2000～2020年研究区ESV和LERI的双变量空间自相关指数（见表4）。两流域Morans I均小于0且逐步降低，同时|Z|均大于2.58，P＜0.001表明ESV和LERI存在显著空间负相关性并呈增强趋势。

进一步借助GeoDa对2000～2020年研究区ESV和LERI进行双变量局部空间自相关分析（见图7），并统计各自相关等级的面积占比及变化（见图8）。安宁河流域和白龙江流域高价值-高风险区分别占 1.77% 和1.91%以上，前者呈增长趋势，主要分布于流域中上游邛海、大桥水库（1999年蓄水）、冶勒水库（2001年动工）周边及支干流河面宽阔处；后者呈降低趋势，集中于流域中下游碧口（1997年建成）、宝珠寺（1998年建成）和苗家坝（2014年建成）3个大型水电站库区及支干流河面宽阔处，这些区域涵盖面积较大且能提供高价值ESV的水域，但被人类活动侵占的风险极高，故需加强对水域的保护。安宁河流域和白龙江流域高价值-低风险区占27.47%和27.96%以上，前者呈扩张趋势，集中于北部小相岭山脉、西部牦牛山脉和东南部螺髻-鲁南山脉；后者呈减少趋势，主要分布于岷山-龙门山脉，上述区域以能创造较高ESV的林地为主，因面积极大，受经济活动影响有限，LERI较低。低价值-高风险区主要分布于耕地和建设用地集中的宽阔河谷带，ESV较低的同时极易受人类活动干扰，故LERI较高；其中安宁河冕宁县-米易县段、白龙江宕昌县-文县和剑阁县段有大面积分布，两地占比在12.93%和12.97%以上，均呈增长态势。低价值-低风险区安宁河流域和白龙江流域分别占1.24%和1.17%以上，均缓慢增长，零散分布在两流域高山林草过渡带，ESV较低且较少受人类活动影响，LERI较低。不显著区主要分布于安宁河流域的东部、南部和白龙江流域的西北部、中部以及两地河谷边缘带，多以草地、耕地向林地过渡带为主，故ESV和LERI适中，两地占55.73%和55.77%以上，前者有所降低，后者缓慢增长。

2.5 ESV与LERI空间分异的驱动分析

要素空间分异受自然条件和经济条件的复合作用影响，通过地理探测器对选取的高程（X1）、坡度（X2）、年均温（X3）、年降水（X4）、归一化植被指数（X5）、人口密度（X6）、地均GDP（X7）、HAI（X8）、ESV/LERI（X9）驱动因子进行探测。从ESV空间分异探测结果看（见图9），安宁河流域ESV空间分异驱动因子按q统计量大小进行整体排序为X8＞X1＞X2＞X6＞X3＞X4＞X7＞X5，白龙江流域为X8＞X5＞X4＞X7＞X1＞X6＞X3＞X2。可见X8是两地ESV分异的主导因子，解释力分别在58.31%和42.29%以上。此外，X1、X2、X6是安宁河流域ESV分异的重要因素，解释力在21.94%以上；X5和X4对白龙江流域ESV分异的影响较大，解释力在33.31%和20.45%以上；其余因子對两地ESV空间分异的影响力不显著。从时间变化看，2000～2020年除安宁河流域X1、X5和X7以及白龙江流域X1、X4和X6的影响力有一定增强外，其余因子的影响力不同程度减弱。

从2000～2020年LERI空间分异探测结果看（见图10），安宁河流域按q统计量由高到低排序为X8＞X1＞X2＞X6＞X3＞X4＞X7＞X5，白龙江流域为X8＞X5＞X4＞X6＞X7＞X3＞X1＞X2。可知X8是两地LERI空间分异的主导因素，解释力分别达67.80%和67.27% 以上。X1、X2、X3和X6对安宁河流域LERI分异产生较大影响，解释力达25.09%以上；X4、X5和X6对白龙江流域LERI分异影响较大，解释力分别在7.52%，31.75%和9.33%以上；其他因子对两地LERI 空间分异的影响较小。在时间上，除安宁河流域X1、X5 、X7和X8以及白龙江流域X6的影响力有所增强外，其他因子影响力呈降低趋势。

研究表明，自然因素和社会经济因素共同对两个典型干旱河谷ESV和LERI空间分异产生影响。X8均为两地ESV和LERI分异的主导因子，说明人类活动对两流域生态环境的干扰程度极大，需规范土地利用开发，加强对人类干扰所带来的生态风险管控。此外，安宁河流域X1、X2和白龙江流域X4和X5等自然因子较经济因子更易对流域ESV和LERI产生影响，故需加强流域生态环境保护，遵循因地制宜的资源开发模式，促进人地关系和谐健康发展。

3 讨 论

本文借鉴近年来ESV和LERI相关研究［1，30］，基于土地利用数据探讨了两个典型干旱河谷ESV和LERI的时空演变、二者关联性及空间分异性特征。结果显示，2000～2020年两个典型干旱河谷ESV和LERI呈持续缩减趋势，与多数干旱河谷ESV预测结果相悖［31］。主要与以下因素有关：21世纪以来，因作为西部边远山区的区域经济中心，两地在西部大开发、退耕还林还草及城镇化建设加快和人口激增的影响下，土地利用结构发生剧烈变化。建设用地的快速扩张，使安宁河流域草地、白龙江流域草地和耕地明显减少，虽安宁河流域耕地、白龙江流域林地及两地水域的增长对ESV起一定促进作用，但两地快速城镇化所产生的极大阻碍作用使ESV不断下降，而当前建设用地对ESV的巨大消极影响往往被忽视［12］。20 a 来，两地LERI缓慢降低，景观生态风险状况呈转好趋势，与其他经济较发达区结果一致［4，16］，在两地主要地类斑块数不断减少影响下，分离度和破碎度降低，但人类活动频繁区LERI极高，需格外注意生态风险防范。因此，需根据ESV和LERI主要集聚关系，对干旱河谷不同分区因地制宜地采取针对性措施，以促进区域协调发展：河流支干流河谷地带为低价值-高风险区，人口密集、经济建设活动活跃，要格外注重生态环境保护，减少对耕地的侵占；水库、湖泊及大型水电站库区为高价值-高风险区，对局部生态至关重要，需加强水域保护力度；两地占主导的林地和草地为高价值-低风险区，是流域生态安全及可持续发展的基石，需加大对林草生态系统的保护。

将ESV和LERI二者进行结合更有助于区域生态环境保护决策的制定与实施［16］。但本研究仍有所不足：ESV和LERI均通过土地利用进行评估，无法全面准确反映区域实际；通过研究区粮食产量及价格来修正ESV的方法有待完善；ESV和LERI空间分异的驱动因子选取难以深刻反映区域内部差异。因此，今后需探索更为科学的ESV和LERI评估方法，从自然和经济等多角度深度分析二者的空间分异性。

4 结 论

2000～2020年安宁河流域和白龙江流域ESV均呈减少趋势，前者由370.597 3亿元减少到368.337 2亿元、后者由1 137.410 1亿元减少到1 136.584 4亿元，林地和草地ESV贡献率分别达91.58%和95.19%以上，ESV以中等和高两个等级为主，建设用地的快速扩张是两地ESV缩减的主要原因；两地LERI呈降低趋势，分别下降8.24%和3.50%，以极低和低两个等级为主，LERI降低主要缘于土地利用集约化加强引发的破碎度下降；两地ESV和LERI具有显著空间负相关性且呈增强态势，高价值-低风险和低价值-高风险为两者主要关系；人类活动对两地ESV和LERI空间分异的干扰极大，其中HAI是两地ESV和LERI空间分异的主导因子。

参考文献：

［1］李辉，周启刚，李斌，等.近30年三峡库区生态系统服务价值与生态风险时空变化及相关性研究［J］.长江流域资源与环境，2021，30（3）：654-666.

［2］周忠学，仇立慧.城市化对生态系统服务功能影响的实证研究：以西安市南郊为例［J］.干旱区研究，2011，28（6）：974-979.

［3］李景刚，何春阳，李晓兵.快速城市化地区自然/半自然景观空间生态风险评价研究：以北京为例［J］.自然资源学报，2008，23（1）：33-47.

［4］朱润苗，陈松林.1980～2020年福建省景观生态风险与生态系统服务价值的空间关系［J］.應用生态学报，2022，33（6）：1599-1607.

［5］COSTANZA R，DARGE R，GROOT R，et al.The value of the world′s ecosystem services and natural capital［J］.Ecological Economics，1998，25（1）：3-15.

［6］COSTANZA R，GROOT R，BRAAT L，et al.Twenty years of ecosystem services：how far have we come and how far do we still need to go？［J］.Ecosystem Services，2017，28：1-16.

［7］虞依娜，彭少麟.生态系统服务价值评估的研究进展［J］.生态环境学报，2010，19（9）：2246-2252.

［8］欧阳志云，王如松，赵景柱.生态系统服务功能及其生态经济价值评价［J］.应用生态学报，1999，10（5）：635-640.

［9］谢高地，张彩霞，张雷明，等.基于单位面积价值当量因子的生态系统服务价值化方法改进［J］.自然资源学报，2015，30（8）：1243-1254.

［10］ 于德永，郝蕊芳.生态系统服务研究进展与展望［J］.地球科学进展，2020，35（8）：804-815.

［11］张晓瑶，陆林，虞虎，等.青藏高原土地利用变化对生态系统服务价值影响的多情景模拟［J］.生态学杂志，2021，40（3）：887-898.

［12］朱相君，薛亮.关中地区生态系统服务价值变化及其与经济发展耦合关系［J］.生态学杂志，2022，41（4）：769-776.

［13］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.

［14］曹祺文，张曦文，马洪坤，等.景观生态风险研究进展及基于生态系统服务的评价框架：ESRISK［J］.地理学报，2018，73（5）：843-855.

［15］贾艳艳，唐晓岚.长江流域安徽段生态系统服务价值与景观生态风险时空演变及其关联分析［J］.南京林业大学学报（自然科学版），2022，46（3）：31-40.

［16］李俊翰，高明秀.滨州市生态系统服务价值与生态风险时空演变及其关联性［J］.生态学报，2019，39（21）：7815-7828.

［17］殷楠，王帅，刘焱序.生态系统服务价值评估：研究进展与展望［J］.生态学杂志，2021，40（1）：233-244.

［18］廖成浩，姚昆，曾艳.安宁河流域土地生态安全动态评价与预测［J］.环境监测管理与技术，2022，34（2）：27-31，37.

［19］范建容，杨超，包维楷，等.西南地区干旱河谷分布范围及分区统计分析［J］.山地学报，2020，38（2）：303-313.

［20］ZHANG X，LIU L Y，CHEN X D，et al.GLC_FCS30：global land-cover product with fine classification system at 30 m using time-sLERIes Landsat imagery［J］.Earth System Science Data，2021，13（6）：2753-2776.

［21］谢高地，张彩霞，张昌顺，等.中国生态系统服务的价值［J］.资源科学，2015，37（9）：1740-1746.

［22］LIU Y C，LIU Y X，LI J L，et al.Evolution of landscape ecological risk at the optimal scale：a case study of the open coastal wetlands in Jiangsu，China［J］.International Journal of Environmental Research and Public Health，2018，15（8）：1691-1701.

［23］韩振华，李建东，殷红，等.基于景观格局的辽河三角洲湿地生态安全分析［J］.生态环境学报，2010，19（3）：701-705.

［24］胡和兵，刘红玉，郝敬锋，等.流域景观结构的城市化影响与生态风险评价［J］.生态学报，2011，31（12）：3432-3440.

［25］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.

［26］陈浮，葛小平，陈刚，等.城市边缘区景观变化与人为影响的空间分异研究［J］.地理科学，2001，21（3）：210-216.

［27］黄木易，方斌，岳文泽，等.近20 a来巢湖流域生态服务价值空间分异机制的地理探测［J］.地理研究，2019，38（11）：2790-2803.

［28］杨远琴，任平，洪步庭.基于生态安全的三峡库区重庆段土地利用冲突识别［J］.长江流域资源与环境，2019，28（2）：322-332.

［29］王劲峰，徐成东.地理探测器：原理与展望［J］.地理学报，2017，72（1）：116-134.

［30］JIA Y Y，TANG X L，LIU W.Spatial-temporal evolution and correlation analysis of ecosystem service value and landscape ecological risk in Wuhu City［J］.Sustainability，2020，12（7）：2803-2819.

［31］欧朝蓉，朱清科，孙永玉.干热河谷区土地利用与生态系统服务价值：以云南省元谋县为例［J］.农业现代化研究，2018，39（3）：494-502.

（编辑：黄文晋）

Spatial-temporal evolution of ecosystem service value and landscape ecological risk in dry valleys

ZHOU Jianwei1，2，3，LUO Jun2，3

（1.College of Life Sciences，China West Normal University，Nanchong 637009，China； 2.Sichuan Provincial Engineering Laboratory of Monitoring and Control for Soil Erosion on Dry Valleys，Nanchong 637009，China； 3.Liangshan Soil Erosion and Ecological Restoration in Dry Valleys Observation and Research Station，Liangshan 616753，China）

Abstract：

Based on the high-precision land use data of Anning River Basin and Bailong River Basin from 2000 to 2020，the ecosystem service value （ESV） and landscape ecological riskindex （LERI） assessment model，bivariate spatial autocorrelation model and Geodetector were used to explore the spatio-temporal evolution，correlation and differentiation characteristics of ESV and LERI in different dry valleys.The results indicated that forest and grass dominated the Anning River Basin and Bailong River Basin.With the influence of urban expansion，ESV and LERI showed a decreasing trend.ESV was mainly in low and medium grade，while LERI was mainly in extremely low and low grade.ESV and LERI had significant negative spatial correlation，and the relationship between ESV and LERI were dominated by high value-low risk and low value-high risk.Human activities played a leading role in spatial differentiation of ESV and LERI.Forestland and grassland were important sources of ESV in the two basins，and the surge of construction land leaded to the continuous decreasing of ESV and LERI in the two basins.It is necessary to improve land use structure according to local conditions，strengthen protection of forest，grass and water area，control urban expansion reasonably，and promote sustainable development of land use structure in watershed.

Key words： ecosystem service value；landscape ecological risk index；dry valley；spatial-temporal evolution；spatio-temporal differentiation

收稿日期：2022-06-24

基金項目：国家自然科学基金项目（41971015）；生态安全与保护四川省重点实验室开放基金项目（ESP201301）

作者简介：周建伟，男，硕士研究生，主要从事水土保持与荒漠化防治研究。E-mail：gesang3650@163.com

通信作者：罗 君，男，讲师，博士，主要从事地理综合研究。E-mail：luojunxmx@126.com