昭通市土地利用时空变化和景观格局演变特征研究

摘要：明晰山区土地利用时空变化及景观格局特征，对提高山区生态系统健康，推进山区可持续发展，最终实现高质量发展具有重要意义。本研究以西南山区的昭通市为例，以2000—2020 年土地利用数据集为数据源，基于GIS 技术，利用土地利用转移矩阵、标准差椭圆和重心迁移模型三个方法探究昭通市土地利用变化特征，再利用景观格局指数从景观层级水平和景观类型水平分析景观格局演变。结果表明：昭通市的主要用地类型为林地、耕地和草地，建设用地增长幅度最大，其中草地的标准差椭圆方向性最不明显，耕地、林地和草地重心分布较为稳定；从景观层级水平上说，呈现出斑块数目增加，相连度减小，最大斑块分布优势减弱，破碎化程度增加，连通性降低，凝聚度降低和复杂度上升的特征；从景观类型水平上说，斑块数目、斑块密度和边缘密度最大的景观类型均为耕地，最大斑块指数、聚集度最大的景观类型均为林地，平均斑块分维数最大的景观类型为建设用地，散步与并列指数最大的景观类型为水域。

关键词：土地利用；时空变化；景观格局；演变特征；转移矩阵；标准差椭圆；重心迁移模型

中图分类号：F301.24 文献标志码：A 文章编号：2095-1329（2024）03-0092-07

土地是人类赖以生存和繁衍的重要物质基础，是珍贵的自然资源。土地利用/ 覆被变化（LUCC）是指在人类活动与自然的共同作用下，土地利用类型、结构和功能随时间发生显著变化的过程，并在一定程度上引发生物多样性减少、水土流失加剧和森林资源锐减等生态问题[1]。当前，土地利用/ 覆被变化被认为是导致全球环境发生变化的主要因素之一，是景观生态学研究的重要领域和热点问题[2]。景观格局能揭示大小、形状、属性不一的斑块单元在空间上的分布与组合规律[3]。景观格局时空演变是指一定时空尺度内各类景观要素发生变化而引起景观空间结构的变化[4]，是土地利用变化最直观的表现形式之一[5]，基于土地利用变化的景观格局演变分析在景观生态学中占据核心地位。因此，探析景观格局变化对生态系统的稳定性、物种多样性、水资源管理、自然灾害风险以及人类社会的经济发展、生活质量等方面都具有深远的影响。

在快速化城镇化背景下，人类活动程度加剧，土地利用景观格局正在不断发生变化。近年来，众多学者借助3S 技术对不同区域展开了土地利用景观格局时空演变研究，而在众多研究景观格局变化的方法中，景观格局指数的应用最为普遍[6]，如：分析北京大兴区城市不同规划尺度和历史性维度下的景观格局指数并揭示其20 年间景观格局演变规律，得出城市景观格局的演变是由人类活动与生态环境相互作用的共同结果[7]；基于遥感影像数据，利用景观格局指数、质心迁移模型、分形维数等方法分析了叶尔羌河流域冰川景观格局时空演变特征[8]；在研究科拉多河流域的景观格局变化特征中，发现该流域景观格局稳定性呈现下降趋势[9]；以疏勒河流域为研究区，发现人类活动是引起景观形态、破碎度和连通性发生巨大变化的主要原因，生态系统结构也因此发生变化[10]；选用10 个景观格局指数分析黄河三角洲湿地景观格局演变，并利用低中分辨率Landsat 系列数据，模拟并预测了该区域景观格局的演变趋势[11]；利用1987—2019 年的时间序列Landsat 影像，结合景观格局指数和建筑密度分析等综合方法，研究比较了城镇景观结构、城市扩张模式、过程和整体增长状况的动态变化[12]；运用景观格局指数方法分析了黄山市太平湖国家湿地公园土地利用转换及景观格局[13]。以往研究成果虽较为丰富，但研究区大多数局限于城市、海岸带、流域，而在森林资源丰富的西南山区相关研究却较少。

昭通市处于西南山区，为典型的高原山地构造地形，其山区面积占比高达96%，同时位于五莲山、乌蒙山两大生态安全屏障，森林资源丰富，自然环境复杂，生态环境脆弱。昭通市同时与四川和贵州两省接壤，在历史上是云南省通往四川省和贵州省的重要门户，地理位置特殊。在综合昭通市地形条件、自然环境及生态条件的情况下，相对来说其在西南山区具有一定的代表性，探析昭通市的土地利用景观格局演变，同时也能在一定程度上为改善西南山区的生态系统健康和可持续发展提供科学参考依据。基于此，本文以2000、2010、2020 年3期土地利用数据为基础，分析昭通市近20 年的土地利用变化特征，并借助景观格局指数方法研究昭通市景观格局时空演变特征。研究结果有助于掌握区域景观格局动态，推动可持续发展战略的实施，实现人与自然的和谐共生，提升生态服务功能，更好地为土地规划、资源管理和环境保护提供科学依据。

1 研究区概况

昭通市共辖1 区、1 市、9 县，其土地利用类型主要以林地、耕地和草地分布为主（图1），综合占比达到97% 以上。昭通市位于云南省东北角，处于低纬高原季风气候带，具有亚热带和暖温带共存的典型立体气候特征，全市最高温度出现在巧家站的44.4℃，最低气温出现在大山包站为-16.8℃。全市雨季分布在5～10 月，降雨量占全年的78%～91%，而旱季分布在11 月至翌年4 月，其降雨量较少，仅占全年9%～22%。由于地理环境的特殊性，昭通市不仅拥有着丰富的动植物种资源，而且还拥有着较高的生物多样性、广泛的林业用地和丰富的矿产资源。

2 数据来源与方法

2.1 数据来源

本研究所采用的2000、2010、2020 年土地利用数据来源于中国科学院资源环境科学数据中心（http：//www.resdc.cn，访问日期：2023 年11 月15 日），该数据源以空间分辨率为30 m 的美国陆地卫星Landsat TM/ETM 遥感影像为主，通过监督分类与人机交互解译生成，是目前中国精度最高的土地利用遥感监测数据产品。本研究选择季节一致且云量低于5% 以下的遥感数据作为基础数据从而提高解译的准确性和时效性，其解译精度达85%以上。根据《土地利用现状分类：GB/T 21010-2017》分类标准，并结合研究区实际情况，本研究将土地利用类型分为六个一级类，分别为耕地、林地、草地、水域、建设用地和未利用地。行政边界来源于中国科学院资源环境科学数据中心（http：//www.resdc.cn，访问日期：2023年12 月1 日），空间分辨率为30 m×30 m。

2.2 研究方法

（1）标准差椭圆

标准差椭圆属于一种空间分析统计方法，主要用来衡量地理要素的集中趋势、离散和方向趋势，进而对地理要素空间格局的全局特征进行表达[14-15]，本研究主要用于探析昭通市六大地类的空间分布和转移方向特征，计算公式[16] 如下：

（2）重心迁移模型

重心模型源于力学领域，重心迁移模型可以用于研究各种要素的空间分布和动态变化，其中心表示在某一区域空间内能保持在各个方向的力量基本均衡的点[17-18]。本研究为观察六大土地利用类型重心的的位置、迁移方向和迁移距离，利用重心迁移模型深入了解各地类在空间上的演变趋势和规律，计算公式如下：

（3）景观格局指数

景观格局指数具有高度凝练和浓缩研究区景观信息的特点[4]，能通过描述景观格局建立景观结构与过程或现象的联系，从而更好地解释与理解景观功能[19]。参考已有研究[20-21]，本文从类型、景观两个层面选取指标研究昭通市景观格局变化情况，探究不同景观类型在空间上的异质性和聚集性。首先，类型水平上选取斑块数目（NP）、斑块密度（PD）、边缘密度（ED）、最大斑块指数（LPI）、景观形状指数（LSI）、斑块破碎化指数（SPLIT）、景观聚集度（AI）、平均斑块分维数（MPFD）、散步与并列指数（IJI）；其次，景观水平上选取斑块数目（NP）、斑块密度（PD）、边缘密度（ED）、最大斑块指数（LPI）、景观形状指数（LSI）、景观蔓延度指数（CONTAG）、香农多样性指数（SHDI），香农均匀度指数（SHEI）、景观聚集度（AI）、平均斑块分维数（MPFD）、散步与并列指数（IJI）。综合分析以上指数能解析昭通市景观类型面积变化、景观破碎化程度、景观形状复杂度和景观均衡性等特征，从多个角度探究昭通市景观格局演变。

3 结果与分析

3.1 土地利用时空变化

（1）土地利用时间转移

本研究以每10 年作为一个阶段，研究昭通市近20 年土地利用变化特征（表1）。从昭通市土地利用结构分析，林地为第一大用地类型，占比在44.73%～45.26% 之间，说明昭通市具有丰富的森林资源；耕地为第二大用地类型，占比在28.16%～30.01% 之间；草地为第三大用地类型，占比在24.27%～26.40% 之间；水域、建设用地、未利用地的占地面积较少，三种土地利用类型的面积加和不足3%。从土地利用变化幅度分析，水域和未利用地在两个时间段内呈持续下降状态，其中耕地和未利用地在前一时期的下降幅度大于后一时期；林地、水域和建设用地在两个时间段内均呈增加状态，林地、建设用地2000-2010年增加面积较大，说明昭通市在前10 年的森林资源需求率高，城市化工业化速度较快，其建设用地需求较后10年旺盛，而近10 年水电站的持续建设使得水域增加面积较前10 年大。草地面积呈先减少后增加状态，减少和增加面积分别为-15.27 km2、55.57 km2。

为更清楚地了解昭通市各土地利用类型之间的转换情况，本研究利用土地利用转移矩阵分析在两个时间段内的转出和转入情况（表2、表3）。2000—2010 年，耕地面积减少，主要流入草地和建设用地；林地面积增加，主要由草地和耕地流入；草地面积减少，主要流入耕地和林地；水域面积增加，主要由耕地和草地流入；建设用地面积增加，主要由耕地流入；未利用地面积减少，主要转入草地和林地。总体来说，昭通市2000—2010 年各土地利用类型面积的增加或减少，其主要来源或流入类型主要为林地、草地、耕地和建设用地。

结合表1 和表3 分析昭通市2010—2020 年土地利用类型的转移特征，耕地面积减少，主要流入林地和建设用地；林地面积增加，主要流入耕地和草地；草地面积增加，主要由林地和耕地流入；水域和建设用地面积增加，主要由耕地流入，说明昭通市在开发水资源和城市化建设时，其主要侵占的土地利用类型为耕地。

（2）土地利用空间转移

本研究为进一步探析昭通市土地利用的空间分布特征，引入标准差椭圆进行分析，但由于其水域和未利用地的面积微小，在该部分只研究耕地、林地、草地和建设用地的空间转移特征。并计算得出2000、2010、2020年扁率及转角（表4），其中扁率的取值范围为0～1，值越接近1 则椭圆越扁，方向性越强。结合图2 能更直观明了的看出昭通市四大地类的标准差椭圆变化情况，草地作为昭通市的第三大土地利用类型，其扁率最小，方向性最不明显，分布零散；耕地、林地和建设用地的扁率均在0.35～0.43 之间，扁率相对较小，其中建设用地的标准差椭圆在2000-2010 年旋转角度最大，由北向东旋转。

本研究选取重心迁移模型分析昭通市耕地、林地、草地和建设用地在2000-2010、2010-2020 年两个时间段的迁移距离和迁移路径（表4、图2）。耕地的重心在两个时间段内的迁移路径都向东北方向迁移，迁移距离分别为1.69 km、2.07 km，且重心由大关县移至彝良县。林地在三个时间节点的重心均位于彝良县西部，均呈现向西南方向迁移的现象，迁移距离分别为2.69 km、2.58km。草地的重心在两个时间段内不仅迁移方向不同，且迁移距离相差较大，重心先向西南方向迁移，迁移距离为1.28km，再向东偏北方向迁移，迁移距离为6.80 km，表明昭通市的草地在2010—2020 年稳定性较差，变化程度较剧烈。建设用地重心先由大关县向东南方向迁至彝良县，再向西南方向迁移，迁移距离分别为41.36 km、8.19 km，两个时间段的迁移距离差异较大。

3.2 景观格局演变特征

（1）景观层级水平特征

本研究在景观水平上共选取11 个指数反映昭通市景观在空间上的异质性和聚集性（表5）。首先，从景观密度及大小差异来说，选取了斑块数目NP 和斑块密度PD，2000—2020 年NP 和PD 均呈上升趋势，说明昭通市景观破碎程度进一步加深，其中2000—2010 年的变化幅度较2010—2020 年大，说明前10 年人类活动对景观的干扰程度较后10 年大。其次，从形状指标上选取平均斑块分维数MPFD 和景观形状指数LSI，其中MPFD 呈先减后增态势，但整体有所下降，表明景观镶嵌体复杂程度降低；而LSI 呈上升趋势， 说明人类对景观的干扰使景观类型趋于分散，离散度增加。再次，在景观面积边缘指标中选取最大斑块指数LPI 和边缘密度ED 反映昭通市景观分布优势和边界形状的复杂程度，LPI 呈先增后减态势且在后10 年下降幅度较大，表明昭通市近10 年最大斑块分布优势程度大大降低；而2000—2020 年ED 呈上升趋势，表明昭通市2020 年景观边界规整程度较2000年小。另外，景观多样性方面选取香农多样性指数SHDI和香农均匀度指数SHEI，SHDI 与SHEI 均呈上升趋势，表明各景观类型的空间分布形态趋于均衡化，昭通市景观多样性增加。最后，从景观聚集性中选取聚集度AI、散步与并列指数IJI 和景观蔓延度指数CONTAG，2000—2020 年AI 和CONTAG 均呈下降趋势，表明各景观类型聚集度降低，出现逐渐分化现象，景观连接性变差；而IJI 呈上升趋势，说明在这20 年间，昭通市各景观类型受到限制，彼此临近。

总体来说， 2000—2020 年昭通市景观格局呈现出景观破碎度和异质性增加，连通性降低，最大斑块分布优势减弱，景观结构分布均匀程度加深，景观间趋于分散，景观多样性扩展和景观形状趋于复杂的特征。

（2）景观类型水平特征

本研究在景观类型水平上选取8 个指数反映昭通市景观格局演变特征（图3）。斑块数目NP 可以衡量出某一景观类型的斑块个数，斑块数目的大小与景观破碎度有较好的正相关性，斑块数目越大，破碎度越高。昭通市六大景观类型中，斑块数目最大的是耕地，其次为草地；斑块数目最小的为未利用地。2000—2010 年，除水域的斑块数目呈下降趋势外，其它五种景观类型斑块数目都呈上升趋势，其中建设用地增大幅度最大，说明建设用地破碎度大大增加；2010—2020 年，水域和草地斑块数目有所减少，反映出草地和水域在这一阶段景观破碎化程度降低，耕地、林地、建设用地和未利用地斑块数目增加，表明破碎度提高。

边缘密度ED 能揭示景观被边界的分割程度和景观连通性。昭通市边缘密度最大的景观类型是耕地和林地，且大小和波动幅度趋于一致，反映出昭通市耕地和林地斑块形状最复杂，边界的分割程度最大。2000—2020 年，除未利用地边缘密度呈减小趋势外，其它景观类型的边缘密度均呈现增加趋势，说明近二十年昭通市耕地、林地、草地、水域和建设用地的边界复杂程度逐渐增加，景观异构性增大，而水域的边界形状复杂度逐渐降低。

斑块密度PD 能表现出某种斑块在景观中的密度，可反映出景观整体的异质性与破碎性以及某一景观类型的破碎化程度，反映景观单位面积上的异质性。斑块密度趋势变化图与斑块数目趋势变化图趋于一致，说明研究结果具有较高的可靠性。建设用地、耕地和水域斑块密度波动相对较大，说明这三种景观类型受人类活动干扰程度较深。

最大斑块指数LPI 有助于确定出景观的优势斑块类型。昭通市林地的最大斑块指数最大，呈现先增后减趋势，说明近十年随着人类活动频率和干扰力度的增加，使林地这一自然景观斑块产生割裂现象。2000—2020 年林地的最大斑块指数在21%～23% 之间浮动，耕地和草地最大斑块指数在3%～5% 之间浮动，而水域、建设用地和未利用地的最大斑块指数均小于1%，说明林地为昭通市景观优势斑块类型。

景观形状指数LSI 表示某一景观类型的斑块复杂程度，当景观中斑块为正方形时，景观形状指数为1，当景观中斑块形状偏离正方形时，景观形状指数增大。2000—2020年，除未利用地的景观形状指数呈下降态势外，其它景观类型均呈现出不同程度的增加态势，表明在人类对不同景观类型的开垦利用下使未利用地斑块形状简化、斑块面积更加规整，而耕地、林地、草地、建设用地和水域斑块形状更复杂，其中耕地的斑块形状和边界复杂程度最高。

聚集指数AI 能表现出景观中不同类型斑块的聚集程度，聚集指数越大表明某一景观类型聚集程度越高。昭通市六大景观类型中聚集度最大的是林地，最小的为水域。2000—2010 年，除水域呈现进一步聚集现象外，其它五种景观类型都呈现离散状况，其中建设用地离散程度最大；2010—2020 年，水域和建设用地聚集指数增大，且建设用地增加幅度最大，说明水域和建设用地在该阶段存在进一步聚集现象且建设用地聚集幅度变动最大，人类在利用土地资源时对水域和建设用地的开垦利用形状趋于规则，耕地、林地、草地和未利用地聚集指数减小，折线趋于平缓，反映出这四种景观类型聚集程度虽然减小但变化幅度不大。总体来说，2000—2020 年，除水域聚集程度在增大外，其余景观类型聚集程度都在缩小。

平均斑块分维数MPFD 能反映出人类活动对景观格局的影响程度，值越接近1 说明人类活动对景观干扰程度越大。总体来说，昭通市建设用地景观的平均斑块分维数最接近1，表明建设用地受人为干扰程度较大。2000—2020 年波动幅度最大的景观类型为未利用地、其次为水域和耕地，未利用地呈下降趋势，反映出未利用地受人类活动干扰程度增加，水域呈先下降后上升趋势，表明在前十年人类活动对水域的影响程度较后十年大，耕地呈上升趋势，表明耕地受人为干扰和制约程度逐渐降低。

散步与并列指数IJI 反映不同景观类型空间分布关系和混合程度，对于受某种自然条件严重制约的生态系统分布特征反映显著。昭通市近20 年来，六大景观类型的散步并列指数都呈现不同程度的增加，表明自然生态环境退化且对各种地类都产生负面影响。

4 结论

昭通市作为长江上游南岸较大支流之赤水河流域的发源地，深度了解其土地利用景观格局演变及驱动因素能对加强赤水河生态涵养区等重要生态空间保护和管控，持续推进山水林田湖草一体化治理和历史遗留废弃矿山等生态修复，维护区域生态安全提供参考依据。本文基于2000—2020 年土地利用数据，并综合利用GIS 空间分析、标准差椭圆、重心迁移模型、景观格局指数及主成分分析法等方法，研究了近 20 年来昭通市土地利用景观格局时空演变及其驱动因素。主要结论如下：

（1）2000—2020 年，昭通市的主要用地类型为林地、耕地和草地，其中耕地和草地面积下降，耕地主要流向林地、草地和建设用地，草地主要流向耕地和草地。从耕地、林地、草地和建设用地的标准差椭圆分析中，草地的标准差椭圆扁率最小，方向性最弱，建设用地旋转角度最大。从重心分布及迁移来看，耕地、林地和草地的重心相对稳定且基本稳定分布在彝良县西部，重心迁移距离最大为建设用地，且迁移路径由大关县中部迁至彝良县东部。

（2）从景观类型水平上分析昭通市近20 年景观变化，建设用地、耕地、林地和草地破碎化程度加剧，水域破碎化程度有所缓解；耕地、林地、草地、水域和建设用地的边界复杂程度逐渐增加，景观异构性增大，而水域的边界形状复杂度逐渐降低；六大景观类型中除水域外的五种景观类型在单位面积上的异质性均增强；景观优势斑块类型为林地；六大景观类型中除未利用地外的五种景观类型的斑块形状和复杂程度都呈现不同程度的加深；六大景观类型中除水域外的五种景观类型聚集程度均呈下降趋势；六大景观类型中除未利用地外的五种景观类型，人类活动对其产生的干扰程度均加深；六大景观类型的空间分布关系和混合程度均呈不同程度的增加趋势，其中建设用地增加幅度最大。

（3）从景观层级水平上分析，昭通市近20 年随着时间变化斑块数量逐渐增加，景观破碎化程度逐渐增加，连通性降低，景观异质性增强且景观形状更为复杂，斑块形态受人为干扰较大，各景观间的相互转换造成景观格局进一步破碎化。

随着脱贫攻坚战略全面取得胜利和乡村振兴战略的提出，山区的社会经济状况得到了大大的改善，建设用地不断扩张，景观格局不断变化，不合理的利用土地资源导致其生态系统服务功能逐渐开始退化，这一现象在地形复杂、生境脆弱的山区尤为明显。本研究以昭通市为例，研究其土地利用景观格局演变特征可丰富西南山区在景观生态上的研究成果，并为未来昭通市土地利用规划和生态安全保护提供一定参考依据。土地利用景观格局演变是自然因素和人类活动的综合反映，本研究仅在二维尺度上选取景观指数分析景观格局演变特征，在未来研究中应从三维尺度出发，进一步全面的探索研究区景观格局演变特征，同时从社会经济、自然环境、政府政策三方面分析区域景观格局驱动力，并科学全面为昭通市社会、经济、生态为一体的可持续发展提出相关建议。

参考文献（References）

[1] 刘强， 尉飞鸿， 夏雪， 等. 1980-2020 年窟野河流域土地利用景观格局演变及其驱动力[J]. 水土保持研究，2023，30（5）：335-341.

LIU Q， WEI F H， XIA X， et al. Landscape pattern evolution and driving forces of land use in Kuye River Basin from 1980 to 2020[J]. Research of Soil and Water Conservation， 2023，30（5）：335-341.

[2] 朱东国， 谢炳庚， 熊鹏. 基于三维景观格局指数的张家界市土地利用格局时空演化[J]. 经济地理，2017，37（8）：168-175.

ZHU D G， XIE B G， XIONG P. Spatial-temporal evolution of land-use pattern changes in Zhanjiajie city based on three-dimensional landscape pattern indices[J]. Economic Geography， 2017，37（8）：168-175.

[3] 张莹莹， 蔡晓斌， 杨超， 等. 1974-2017 年洪湖湿地自然保护区景观格局演变及驱动力分析[J]. 湖泊科学，2019，31（1）：171-182.

ZHANG Y Y， CAI X B， YANG C， et al. Driving force analysis of landscape pattern changes in Honghu Wetland Nature Reserve in recent 40 years[J]. Journal of Lake Sciences， 2019，31（1）：171-182.

[4] 刘根林， 闫冰， 赵东升， 等. 2003-2018 年瑞兴于地区土地利用景观格局时空演变及驱动因素[J]. 水土保持研究，2022，29（3）：235-243.

LIU G L， YAN B， ZHAO D S， et al. Spatiotemporal evolution of landscape pattern of land use and its driving factors in Ruijin-Xingguo-Yudu Region from 2003 to 2018[J]. Research of Soil and Water Conservation， 2022，29（3）：235-243.

[5] 刘凯， 杨琰瑛， 师荣光， 等. 1990-2020 年于桥水库流域景观格局时空演变及驱动力[J]. 农业资源与环境学报，2023，40（1）：154-164.

LIU K， YANG Y Y， SHI R G， et al. Spatiotemporal changes and driving forces of landscape patterns in the Yuqiao Reservoir watershed during 1990-2020[J]. Journal of Agricultural Resources and Environment， 2023，40（1）：154-164.

[6] 张敏， 宫兆宁， 赵文吉， 等. 近30 年来白洋淀湿地景观格局变化及其驱动机制[ J]. 生态学报，2016，36（15）：4780-4791.

ZHANG M， GONG Z N， ZHAO W J， et al. Landscape pattern change and the driving forces in Baiyangdian wetland from 1984 to 2014[J]. Acta Ecologica Sinica， 2016，36（15）：4780-4791.

[7] 李婷， 王思元. 基于原型思维的城市边缘区景观格局演变研究——以北京市大兴区为例[J]. 生态学报，2022，42（3）：1153-1164.

LI T， WANG S Y. Evolution of landscape pattern in urban fringe based on prototype thinking： a case study of Daxing district of Beijing[J]. Acta Ecologica Sinica， 2022，42（3）：1153-1164

[8] 彭加加， 徐丽萍， 曹翠. 1991-2017 年叶尔羌河流域冰川景观格局时空演变[J]. 生态学报，2022，42（20）：8265-8275.

PENG J J， XU L P， CAO C. Spatio-temporal evolution of glacier landscape pattern in the Yarkant River Basin from 1991 to 2017[J]. Acta Ecologica Sinica， 2022，42（20）：8265-8275.

[9] PAUKERT C P， PITTS K L， WHITTIER J B， et al. Development and assessment of a landscape-scale ecological threat index for the Lower Colorado River Basin[J]. Ecological Indicators， 2011，11（2）：304-310.

[10] MA L， BO J ， LI X， et al. Identifying key landscape pattern indices infl uencing the ecological security of inland river basin： the middle and lower reaches of Shule River Basin as an example[J]. Science of The Total Environment， 2019，674：424-438.

[11] ZHOU K. W etland landscape pattern evolution and prediction in the Yellow River Delta[J]. Applied Water Science， 2022，12（8）： 190-196.

[12] TERFA B K， CHEN N， ZHANG X， et al. Urbanization in small cities and their significant implications on landscape structures： the case in Ethiopia[J]. Sustainability， 2020，12（3）：1235-1243.

[13] 李梦蝶， 王立龙， 夏强， 等. 太平湖国家湿地公园土地利用转换及景观格局变化[J]. 环境科学与技术，2023，46（S2）：58-67.

LI M D， WANG L L， XIA Q， et al. Analysis of land use conversion and landscape pattern change in Taiping Lake National Wetland Park[J].Environmental Science & Technology， 2023，46（S2）：58-67.

[14] 涂晓扬. 福建省植被指数与地形要素多尺度空间格局分析[J]. 上海国土资源，2016，37（2）：9-12，20.

TU X Y. Multi-scale features of spatial patterns of the normalised difference vegetation index and topographic factors in Fujian Province[J].Shanghai Land & Resources， 2016，37（2）：9-12，20.

[15] 毛鸿欣， 贾科利， 高曦文， 等. 1980-2018 年银川平原土地利用变化时空格局分析[J]. 科学技术与工程，2020，20（20）：8008-8018.

MAO H X， JIA K L， GAO X W， et al. Spatiotemporal pattern of land use change in Yinchuan Plain from 1980 to 2018[J]. Science Technology and Engineering， 2020，20（20）：8008-8018.

[16] 李一琼， 白俊武. 近20 年苏州土地利用动态变化时空特征分析[J]. 测绘科学，2018，43（6）：58-64.

LI Y Q， BAI J W. Analysis of temporal and spatial dynamic changes of land use of Suzhou in recent 20 years[J]. Science of Surveying and Mapping，2018，43（6）：58-64.

[17] 李启珍， 胡希军， 韦宝婧， 等. 长沙市绿色空间与城市扩张耦合关系研究[J]. 经济地理，2022，42（11）：87-94.

LI Q Z， HU X J， WEI B J， et al. Coupling relationship between green space and urban expansion in Changsha[J]. Economic Geography，2022，42（11）：87-94.

[18] 马建辉， 田刚， 谢宛怿， 等. 河北省土地利用碳排放时空特征和脱钩分析[J]. 上海国土资源，2023，44（1）：167-175.

MA J H， TIAN G， XIE W Y， et al. Spatio-temporal characteristics and decoupling analysis of land use carbon emissions in Hebei Province[J].Shanghai Land & Resources， 2023，44（1）：167-175.

[19] 陈希， 王克林， 祁向坤， 等. 湘江流域景观格局变化及生态服务价值响应[J]. 经济地理，2016，36（5）：175-181.

CHEN X， WANG K L， QI X K， et al. Landscape pattern changes and evaluation of ecological service value of the Xiangjiang River Watershed[J].Economic Geography， 2016，36（5）：175-181.

[20] 温玉玲， 李红波， 张小林， 等. 近30 年来鄱阳湖环湖区土地利用与景观格局变化研究[J]. 环境科学学报，2022，42（7）：501-510.

WEN Y L， LI H B， ZHANG X L， et al. Changes of landscape pattern in the peripheral region of Poyang Lake in recent 30 years[J]. Acta Scientiae Circumstantiae， 2022，42（7）：501-510.

[21] 许英杰， 杨绍微， 张峻铭， 等. 云南金沙江干热河谷县域土地利用景观格局的地形效应[J]. 生态学杂志，2023，42（8）：1982-1992.

XU Y J， YANG S W， ZAHNG J M， et al. Topographic effect of county-level land-use landscape pattern in the dry-hot valley of Jinshajiang River，Yunnan Province[J]. Chinese Journal of Ecology， 2023，42（8）：1982-1992.