山地城市景观生态风险与人类活动强度的空间关系分析

摘" 要：

在复杂人类活动干扰下，山地城市景观格局变化强烈，影响生态风险水平。为揭示山地城市景观生态风险与人类活动强度之间的空间关系，选择贵阳市作为典型山地城市代表，基于2000年、2010年和2020年的遥感影像和社会经济数据，通过构建景观生态风险模型和人类活动强度指数，对贵阳市景观生态风险和人类活动强度的空间关系进行研究。结果表明：2000—2020年间，贵阳市景观生态风险呈下降趋势，人类活动强度呈增加趋势，低坡度带的景观生态风险水平变化量明显高于其他坡度带的，但各坡度带的人类活动强度变化差异相对较小；中南部地区的景观生态风险和人类活动强度的变化特征明显有别于北部、西部和东部地区的；景观生态风险与人类活动强度整体上表现出负相关关系，在不同坡度带存在明显异质性；控制坡地人类活动强度、加大生态治理工程实施力度、提高土地节约集约利用水平是今后山地城市景观管理和人类活动调控的主要方向。该研究成果可为山地城市景观管理、人类活动调控提供参考。

关键词：景观生态风险；人类活动；变化；空间关系；地形梯度

中图分类号：X24""" 文献标识码：A""""""" 文章编号：2096-6792（2024）05-0038-10

收稿日期：2023-03-08

基金项目：贵州省自然科学基金项目（黔科合基础［2019］1150）；贵州省教育厅高校人文社会科学研究基地项目（23RWJD218）；贵州理工学院高层次人才引进科研启动项目（XJGC20190665）。

第一作者：

韩会庆（1983—），男，教授，博士，从事土地生态效应方面的研究。E-mail：hhuiqing2006@126.com。

引用：韩会庆，黄娅，张英佳，等.山地城市景观生态风险与人类活动强度的空间关系分析［J］.华北水利水电大学学报（自然科学版），2024，45（5）：38-47，68.

HAN Huiqing，HUANG Ya，ZHANG Yingjia，et al.Analysis of the spatial relation of landscape ecological risk and human activity intensity in mountainous cities［J］.Journal of North China university of water resources and electric power （natural science edition），2024，45（5）：38-47，68.

DOI：10.19760/j.ncwu.zk.2024052

Analysis of the Spatial Relation of Landscape Ecological Risk and

Human Activity Intensity in Mountainous Cities

HAN Huiqing， HUANG Ya， ZHANG Yingjia， LIU Yue， WANG Junwen， LUO Ting， ZHANG Yanting

（College of Architecture and Urban Planning， Guizhou Institute of Technology， Guiyang 550025， China）

＼=

Abstract：

Under the interference of complex human activities， the change of landscape pattern of mountainous cities strongly affects the level of ecological risk. In order to reveal the spatial correlation between landscape ecological risk and human activity intensity in mountainous cities， Guiyang City was selected as a typical mountainous city， based on the remote sensing images and social economic data in 2000， 2010 and 2020， the landscape ecological risk models and human activity intensity index were established， the spatial relation of landscape ecological risk and human activity intensity and their correlation were explored. The results showed that： from 2000 to 2020， the landscape ecological risk in Guiyang showed a downward trend， while the intensity of human activities showed an increasing trend， the variation amount of the landscape ecological risk in low-slope gradient was significantly higher than that in the other slope gradients， whereas the variation of the intensity of human activities in each slope gradient was relatively small. And the changes of landscape ecological risk and human activity intensity in the southern and central region were significantly different from those in the northern， western and eastern regions， there was a negative correlation between landscape ecological risk and human activity intensity， whereas there was obvious heterogeneity in different slope gradients. Controlling the human activities intensity of sloping land， increasing the implementation of ecological management projects， and improving the level of integrative and saving land use are the main directions of landscape management and human activities regulation in mountainous city in the future. This study can provide a reference for mountainous urban landscape management and human activities regulation.

Keywords：

landscape ecological risk; human activities; change; spatial relation; terrain gradients

在自然和人为因素长期共同作用下，山地城市形成了独特的景观格局特点［1-2］。然而，随着山地城市经济社会的快速发展，在复杂人类活动影响下，山地城市景观格局受到强烈干扰与破坏，这使得人类活动与生态系统之间的矛盾冲突日益严重［3-4］。厘清人类活动与景观生态风险变化规律及其相关性对山地城市生态环境保护和人类活动调控具有重要意义。

目前，城市景观格局的研究主要集中于景观格局演变、优化和生态效应等方面，耕地、绿地、湿地、森林、人为景观（建设用地）等类型是景观格局演变关注的重点［5-6］。已有研究表明，社会经济因素是城市景观变化的主要因素［7］。各种数理模型和空间模型（如最小累积阻力模型）被广泛应用于城市景观格局优化中［8-9］。景观格局对热环境、水环境、生态系统服务的生态效应是景观格局关注的焦点［10-12］。此外，关于城市扩张、工业发展、人口增长、基础设施建设、第三产业发展等人类活动与城市景观相关性研究得到学者们的重视［13-15］。地理加权回归、地理探测器、主成分分析等方法已在人类活动与城市景观相关性研究中得到应用［16-18］。山地城市作为全球城市的重要组成部分，其景观格局研究受到全球学者的关注。李睿等［19］分析了快速城市化背景下山地城市景观格局的动态。唐洪亚等［20］分析了山地-旅游型城市景观破碎化的演变特征。与其他类型城市相比，受地形和人类活动的影响，山地城市景观表现出“山-城”镶嵌特征，具有突出的景观破碎性和高度复杂性［21］。当前鲜有专门针对山地城市景观与复杂人类活动的空间关系研究，两者之间的空间相关程度、空间特征等问题尚缺乏科学回答。

贵阳市是中国典型山地城市，是黔中城市群的中心城市。自2000年以来，贵阳市的经济社会快速发展，城市扩张、基础设施建设、人口激增等人类活动改变了区域景观格局，威胁生态安全［22］。同时，为恢复生态环境质量，贵阳市在坡地开展了退耕还林（草）和石漠化治理等生态治理工程，这进一步干扰了山地景观结构和格局［23］。为此，以贵阳市为例，探究景观生态风险和人类活动强度的空间关系，以期为山地城市景观管理、人类活动调控提供参考。

1" 研究区概况

贵阳市位于中国云贵高原东部，为贵州省省会和西南地区重点城市。贵阳属典型喀斯特山原地貌，北部海拔低，中部和西部海拔高，地势起伏较大，南部以喀斯特盆地地貌为主，其他区域以山原丘陵地貌为主（图1）。气候属亚热带季风气候，年平均气温15.3 ℃，年平均降水量1 129.5 mm。森林覆盖率高，被誉为“林城”。土壤类型以黄壤土为主，土壤肥力较高。河流主要有乌江、南明河、猫跳河、鸭池河等，人工湖泊有红枫湖、百花湖、阿哈水库等。贵阳市作为“黔中经济区”和“泛珠三角经济区”的重要中心城市，近20年来经济快速发展，至2020年末，全市GDP达4 312亿元，2010—2020年的GDP年均增长14.2 %。2020年末，全市常住总人口497.14万，比2000年的增长52.24 %。

2" 数据来源与研究方法

2.1" 数据来源

景观类型数据来源于中国科学院资源环境科学与数据中心提供的2000年、2010年和2020年土地利用类型数据。该数据是利用Landsat TM影像通过人工目视解译生成的。将景观类型分为耕地、林地、草地、水域、建设用地和未利用地6种（图2）。利用贵阳市百花湖镇、金华镇、朱昌镇3个乡镇高精度Pleiades遥感影像（1 m空间分辨率）的解译结果对中国科学院土地利用数据进行精度验证，发现Kappa系数达0.86，说明该数据在贵阳具有较好的适用性，可以满足研究需要。DEM数据来源于地理空间云平台30 m空间分辨率的ASTER GDEM数据。利用GIS软件的坡度分析工具，基于DEM数据生成坡度数据，并依据研究区的地形特点将坡度分为Ⅰ［0°，6°）、Ⅱ［6°，15°）、Ⅲ［15°，25°）、Ⅳ［25°，90°］4个梯度。人口数据来源于www.worldpop.org平台提供的1 km空间分辨率的人口密度数据。夜间灯光指数数据来源于DMSP/OLS和NPP/VIIRS。公路数据由贵州省地图集数字化得到。

2.2" 研究方法

2.2.1" 景观生态风险评估方法

景观生态风险的计算模型是综合考虑景观干扰度指数和景观损失度指数建立的，具体如下。

Ci=ni/Ai； i=1，2，…，N。（1）

式中：Ci表示景观i的破碎度；ni表示景观i的斑块数量；Ai表示景观i的斑块面积;N表示所有景观的斑块数量。

Fi=0.5niAAiA-1。（2）

式中：Fi表示景观i的分离度；A表示所有景观的斑块面积。

Di=0.25niN+miM+0.5AiA。（3）

式中：Di表示景观i的优势度；mi和M分别表示景观i出现的网格数和所有网格数量。

Ui=bCi+cFi+aDi。（4）

式中：Ui表示景观i的干扰度；a+b+c=1，参照专家打分法，将a、b、c分别赋值0.5、0.3和0.2。

Ri=UiQi。（5）

式中：Ri表示景观i的损失度；Qi表示景观i的脆弱度。根据专家经验［24］，水域及未利用地的脆弱性最强，脆弱度赋值为5，建设用地较为稳定，其脆弱度赋值为1，耕地、草地、林地的脆弱度分别赋值为4、3、2。

ERIi=∑Ni=1AiARi。（6）

式中ERIi表示景观i的生态风险值。

利用ArcGIS软件的渔网工具生成4 km×4 km大小的592个网格，对每个网格进行计算得到的景观风险值输入ArcGIS软件，采用Kriging（克里金）法插值得到景观生态风险值的空间格局，利用自然断点法将景观生态风险分为低风险、较低风险、中等风险、较高风险和高风险5级。

2.2.2" 人类活动强度

人类活动对生态环境的影响主要表现在土地利用、人口与经济、基础设施等方面。因此，基于人口密度、景观开发强度、公路、夜间灯光指数构建人类活动强度指标体系，计算公式为：

H=PiWp+LiWl+QiWr+OiWn。（7）

式中：H为人类活动强度；Pi为人口密度因子；Li为景观开发强度因子；Qi为公路因子；Oi为夜间灯光指数；Wp、Wl、Wr、Wn分别为人口密度因子、景观开发强度因子、公路因子、夜间灯光指数的权重。

利用层次分析法对人口密度、景观开发强度、公路、夜间灯光指数的权重分别赋值为0.34、0.23、0.27、0.16。将每一因子对生态环境的影响程度分为5级，并根据影响程度分别赋值为5、4、3、2、1。各因子强度分级依据为：人口密度因子是依据人口密度高低进行分级的；景观开发强度因子是依据不同景观类型所反映的人类活动强度进行分级的，参考相关研究［25］，将建设用地的开发强度赋值为5，耕地的赋值为4，林地和草地的分别赋值为3，水域的赋值为2，未利用地的赋值为1；公路因子是依据距离公路远近得到的5个缓冲区进行分级的；夜间灯光指数是利用GIS软件将灯光指数由高到低分为5个等级；根据自然断点法，将人类活动强度分为低强度、较低强度、中等强度、较高强度和高强度5级。

2.2.3" 景观生态风险与人类活动强度指数的空间关系分析方法

引入双变量Global Moran′s I和双变量Local Moran′s I分析景观生态风险与人类活动强度之间的空间关系。双变量Global Moran′s I用于判定两者之间在整个研究区域范围内存在何种空间关系。双变量Local Moran′s I用于识别两者之间在局部地区内存在何种空间聚集类型。计算公式分别为：

I=∑ns=1∑nj=1Wsj（xs－x）（yj－y）∑ns=1∑nj=1Wsj∑ns=1（xs－x）2，（8）

Is=（xs－x）S2∑nj=1Wsj（xj－x）。（9）

式中：I和Is分别为双变量Global Moran指数和双变量Local Moran指数；xs为第s空间单元（乡镇）的景观生态风险数值；yj为j空间单元（乡镇）的人类活动强度的数值；x和y分别为全部空间单元景观生态风险的平均值和人类活动强度的平均值；Wsj为空间权重；S2为景观生态风险值和人类活动强度值的方差;n为空间数量。根据计算结果，将聚集类型（LISA图）分为高-高、低-低、高-低、低-高4种。

3" 结果分析

3.1" 景观类型变化

表1为贵阳市景观类型整体变化状况。由表1可知：2000—2020年，贵阳市耕地、林地、草地和未利用地面积减少，而水域和建设用地面积增加，其中耕地、草地和建设用地的面积变化量较大；2000—2010年，林地面积增加量较大，其次为建设用地，耕地和水域面积的增加量较小，仅有草地和未利用地面积减少，其中草地面积的减少量最大；2010—2020年，耕地、林地和未利用地面积减少，草地、水域和建设用地面积增加，其中耕地和林地面积减少量较大，而建设用地面积的增加量明显大于草地和水域的。

通过统计2000—2010年、2010—2020年、2000—2020年3个时期不同坡度带的各景观类型面积得到表2。由表2可知，从不同坡度带看，除了2000—2010年的坡度带Ⅰ和Ⅱ外，2010—2020年和2000—2020年各坡度带的耕地面积均呈减少趋势，坡度带Ⅰ的减少量较大；2000—2010年和2010—2020年各梯度的林地面积分别呈现增加和减少趋势，其中坡度带Ⅱ的林地面积变化量大于其他坡度带的，2000—2020年坡度带Ⅰ和Ⅳ的林地面积呈减少趋势，坡度带Ⅱ和Ⅲ的呈增加趋势；2000—2010年和2000—2020年各坡度带的草地面积呈减少趋势，其中坡度带Ⅰ和Ⅱ的草地面积减少量大于坡度带Ⅲ和Ⅳ的，2010—2020年坡度带Ⅰ的草地面积呈减少趋势，但其他坡度带的呈增加趋势；各坡度带的水域和建设用地面积均呈增加趋势，随着坡度带的增加，2000—2010年水域面积的增加量逐渐减小，2010—2020年和2000—2020年的却逐渐增加，由坡度带Ⅰ至Ⅳ，建设用地面积的增加量逐渐减少；3个时间段的未利用地面积在每一坡度带均有所减少，坡度带Ⅱ的未利用地面积变化量明显大于其他坡度带的。

3.2" 景观生态风险变化

表3为贵阳市全部区域和不同坡度带的景观生态风险变化情况。由表3可以看出：2000—2020年，贵阳市景观生态风险整体上呈降低趋势，其中2000—2010年的降低幅度大于2010—2020年的；2000—2020年，贵阳市景观生态风险在坡度带Ⅰ和Ⅱ降低，在坡度带Ⅲ和Ⅳ增加；2000—2010年，各坡度带的景观生态风险均呈降低趋势，且随着坡度带的增加，降低幅度减小；除坡度带Ⅰ外，2010—2020年，景观生态风险均有所增加，且由坡度带Ⅱ至Ⅳ，其变化量增大。

利用GIS软件的克里金法插值制作2000—2010年、2010—2020年、2000—2020年的景观生态风险空间图，如图3所示。由图3可知，2000年、2010年和2020年，贵阳市景观生态风险低风险区和较低风险区均主要集中于中部和中北部地区，较高和高风险区主要位于西部和南部区域。

利用转移矩阵描述不同等级景观生态风险之间的转移面积情况，其结果见表4。由表4可知，2000—2020年，贵阳市低风险区和较高风险区面积增加，较低、中等和高风险区面积减小。从2000—2020年不同等级景观生态风险转移面积可看出，中等风险区转向较低风险区（5 976 hm2）、较低风险区（5 219 hm2）和较高风险区（5 188 hm2）转向中等风险区、中等风险区（5 733 hm2）转向较高风险区是转移的主要类型。

利用GIS软件的空间分析工具制作景观生态风险变化空间格局图，如图4所示。由图4可知：2000—2010年，贵阳市大部分地区景观生态风险呈降低趋势，中部和北部的部分区域是景观生态风险降低幅度较大的区域，仅有北部、中部以及西南部的小部分地区的景观生态风险小幅增加；2010—2020年和2000—2020年，贵阳市中南部和中北部景观生态风险降低，而东北部、西北部以及西部景观生态风险增加。

3.3" 人类活动强度变化

贵阳市全部区域和不同坡度带的人类活动强度变化情况见表5。由表5可看出，贵阳市2000—2010年、2010—2020年和2000—2020年的人类活动强度整体呈增加趋势，2010—2020年的人类活动强度变化幅度大于2000—2010年的。从不同坡度带看，各坡度带的人类活动强度均增加，其中2000—2010年，坡度带Ⅱ和Ⅳ的人类活动强度稍大于坡度带Ⅰ和Ⅲ的，2010—2020年和2000—2020年坡度带Ⅰ的人类活动强度大于其他3个坡度带的。

采用GIS软件的克里格法插值制作2000—2010年、2010—2020年、2000—2020年人类活动强度空间图，如图5所示。由图5可知：2000年和2010年，贵阳市大部地区的人类活动以低强度和较低强度为主，且主要位于北部、西部和东北部；2020年，人类活动以较高强度和高强度为主，主要位于南部，而低强度和较低强度的人类活动零星分布于中北部、西部和东部。

采用GIS软件的空间分析工具制作人类活动强度变化的空间图，如图6所示。由图6可知：2000—2020年，贵阳市绝大部分地区人类活动强度呈增加趋势，仅有中北部和西南部的局部地区呈降低趋势；2000—2010年和2010—2020年，贵阳市人类活动强度增加区域呈散布特点，西部和中北部的人类活动强度呈降低趋势，其中2010—2020年的人类活动强度降低区域面积小于2000—2010年的。

3.4" 景观生态风险与人类活动强度相关性

基于双变量Global Moran′s I的景观生态风险与人类活动强度的空间关系见表6。由表6可以看出：2000年、2010年和2020年，贵阳市整体上景观生态风险与人类活动强度之间存在空间负相关性，呈现反向聚类特点；从不同坡度带看，坡度带Ⅰ的景观生态风险与人类活动强度之间的空间负相关程度明显高于其他3个坡度带的，表现出更强的反向聚类性；2000—2010年、2010—2020年和2000—2020年，贵阳市整体上景观生态风险与人类活动强度之间呈现空间负相关性，且随着时间推移，两者之间的反向聚类特点更加突出；从不同坡度带来看，2000—2010年，随着坡度带增加，景观生态风险与人类活动强度之间的空间负相关程度逐渐下降，趋于随机分布；2010—2020年和2000—2020年，由低坡度带到高坡度带，景观生态风险与人类活动强度之间的聚类特点由空间反向聚类转向正向聚类。

基于双变量Local Moran′s I制作景观生态风险与人类活动强度之间的LISA聚类图，如图7所示。由图7可知：2000年、2010年和2020年，贵阳市南部以低-高聚类的空间负相关和高-高聚类的空间正相关为主，北部和东北部以低-低聚类的空间正相关和高-低聚类的空间负相关关系为主；2000—2010年，贵阳市景观生态风险与人类活动强度之间的聚类类型主要为低-高、低-低和高-低，其中低-高聚类的空间负相关区域主要位于南部，低-低聚类的空间正相关区域和高-低聚类的空间负相关区域主要分布在中北部；2010—2020年，景观生态风险与人类活动强度之间的聚类类型主要为高-高和高-低，且主要集中于西部和东北部；2000—2020年，研究区高-高聚类的空间正相关区域、低-高聚类的空间负相关区域均主要位于南部，低-低聚类的空间正相关区域主要分布于中北部，高-低聚类的空间负相关区域主要集中于中北部、西部和北部。

4" 讨论

在快速城市化背景下，贵阳市建设用地扩张、公路大规模建设和人口激增加剧了城市人类活动强度，这与刘采等［26］、朱纹君等［27］的研究结果接近。由于低脆弱度的建设用地增加以及退耕还林工程导致较高脆弱度的耕地减少，降低了景观生态风险水平，这与张玉娟等［28］和陈心怡等［29］的研究结果相反。其原因为两位学者的研究对象分别为平原城市和东部沿海城市，城市建设和第二产业发展导致建设用地面积增加、生态用地面积减少且分布趋于破碎化，进而造成景观生态风险增加。尽管贵阳市建设用地扩张增加了景观破碎度，但生态治理工程对降低景观生态风险发挥积极的作用，它带来的正面效应抵消了建设用地扩张引起的负面影响。由于平原城市和沿海城市没有大规模的生态治理工程，使得山地城市的景观风险变化明显有别于沿海城市和平原城市的。因此，本研究结果与以上两位学者的研究结果相反。

此外，研究发现，在山地地形约束下，贵阳市人类活动强度和景观生态风险具有一定的地形梯度特征，反映了地形对山地城市人类活动开展和生态环境有一定影响，这与黄孟勤等［30］和刘涛等［31］的研究结果一致。由于贵阳市低平区域面积较小，随着城镇化进程加快，人类活动对坡地的干扰逐渐增强，导致高坡度带的人类活动强度增加较快，这特点明显有别于其他山地城市的［32］。另外，本研究发现人类活动强度与景观生态风险之间存在负相关关系，该研究结果有别于傅微等［33］的研究结果，与贵阳市重大生态工程项目和城市生态建设密切相关（图8）。一方面，贵阳市森林覆盖率达55%，为保护自然环境，进一步提高生态环境质量，贵阳市建成了一系列生态公园，并开展了长江、珠江上游生态屏障保护修复（如石漠化治理）。另一方面，由于贵阳市人口压力大，坡耕地面积比例高，随着退耕还林工程的实施，大量坡耕地转为林地，脆弱景观的比例下降。这两方面措施使得自然植被面积大幅增加，景观破碎度和脆弱度减小，导致景观生态风险降低。同时，由于快速的经济发展和城镇化使得贵阳市人类活动强度增加，从而形成人类活动强度与景观生态风险之间的空间负相关关系。

人类活动强度的表征指标多样，其长时间序列数据的可得性和空间精度难以满足研究需要，尽管本研究从人口、夜间灯光指数、景观开发强度、公路等多方面构建了人类活动强度指标体系，但该指标体系不够全面，进一步完善该指标体系是未来研究的重点。

区域的空间关系

鉴于山地城市的人类活动强度和景观生态风险具有明显的地形梯度特征，因此，针对不同地形梯度提出人类活动管控和景观格局优化的建议，具体如下：①未来应优先保护低坡度区域的自然土地（如林地、草地、水域）。同时，在陡坡区域加大生态治理政策的实施力度，形成自然景观连片分布，缓解景观镶嵌化，减少人类活动的干扰。②构建城市绿色基础设施网络和生态廊道，增加景观连通性和自然景观比例。③控制人为景观的扩张，特别是城市用地和交通用地的扩张，提高人工景观的节约集约利用程度。

5" 结论

以贵阳市为例，定量分析了山地城市景观生态风险与人类活动强度的空间关系，主要得出以下结论：

1）2000—2020年，耕地、草地和建设用地是面积变化突出的景观类型，耕地和草地面积大幅减少，建设用地面积大幅增加。2000—2010年与2010—2020年的景观类型面积变化在不同坡度带存在明显差异。

2）2000—2020年，贵阳市景观生态风险整体呈降低趋势。不同等级景观生态风险区之间转移主要发生于较低、中等、较高风险区之间。贵阳市中南部地区的景观生态风险水平下降，而北部、东部和西部的景观生态风险水平呈上升趋势。高坡度带的景观生态风险水平上升，而低坡度带的景观生态风险水平下降。

3）2000—2020年，贵阳市人类活动强度整体呈增加趋势，各坡度带的人类活动强度均有所增加，且不同坡度带间的人类活动强度变化差异较小。除中北部和西南部的小部分地区外，贵阳市大部分地区的人类活动强度均呈增加的特点。

4）2000—2020年，贵阳市景观生态风险与人类活动强度之间整体上表现出负相关关系，它们在低坡度带表现出负相关关系，而在高坡度带表现出正相关关系。贵阳市南部以高-高和低-高聚类为主，中北部和西部以低-低和高-低聚类为主。

参" 考" 文" 献

［1］

李怡欣，李菁，陈辉，等.基于MSPA和MCR模型的贵阳市2008—2017年景观连通性评价与时空特征［J］.生态学杂志，2022，41（6）：1240-1248.

［2］ZHANG Y C，LIU J.Study on mountain city landscape gradient characteristics and urban construction coupling：taking the Yangtze River to the eastern ridge line of Nan Mountain in Chongqing as an example［J］.Journal of resources and ecology，2021，12（3）：397-408.

［3］田雨，周宝同，付伟，等.2000—2015年山地城市土地利用景观格局动态演变研究：以重庆市渝北区为例［J］.长江流域资源与环境，2019，28（6）：1344-1353.

［4］邢龙，王志泰，涂燕茹.黔中喀斯特城市遗存自然山体景观格局时空演变：以安顺市为例［J］.生态学报，2021，41（4）：1291-1302.

［5］郭莎莎，胡守庚，瞿诗进.长江中游地区多尺度耕地景观格局演变特征［J］.长江流域资源与环境，2018，27（7）：1637-1646.

［6］YANG J Y，YANG J，XING D Q，et al.Impacts of the remnant sizes，forest types，and landscape patterns of surrounding areas on woody plant diversity of urban remnant forest patches［J］.Urban ecosystems，2021，24（2）：345-354.

［7］LIU J，XU Q L，YI J H，et al.Analysis of the heterogeneity of urban expansion landscape patterns and driving factors based on a combined multi-order adjacency index and geodetector model［J］.Ecological indicators，2022，136：108655.

［8］张守法，李翅，赵凯茜.基于生态网络构建的贵阳市绿地景观格局优化研究［J］.中国园林，2022，38（5）：68-73.

［9］HUANG X X，WANG H J，SHAN L Y，et al.Constructing and optimizing urban ecological network in the context of rapid urbanization for improving landscape connectivity［J］.Ecological indicators，2021，132：108319.

［10］XUE X Y，HE T，XU L C，et al.Quantifying the spatial pattern of urban heat islands and the associated cooling effect of blue-green landscapes using multisource remote sensing data［J］.Science of the total environment，2022，843： 156829.

［11］王芸，赵鹏祥，李治国，等.退耕还林还草背景下陕北地区生态系统服务动态及热点识别［J］.华北水利水电大学学报（自然科学版），2022，43（5）：92-100.

［12］LYU R F，ZHAO W P，TIAN X L，et al.Non-linearity impacts of landscape pattern on ecosystem services and their trade-offs：a case study in the city belt along the Yellow River in Ningxia，China［J］.Ecological indicators，2022，136：108608.

［13］韩宇平，朱星源，穆文彬.快速城镇化地区土地利用景观格局演变及预测研究［J］.华北水利水电大学学报（自然科学版），2023，44（4）：92-101.

［14］梁文，胡自宁，黎广钊，等.50年来北海市滨海湿地景观格局变化及其驱动机制［J］.海洋科学，2016，40（2）：84-93.

［15］SU S L，WANG Y P，LUO F H，et al.Peri-urban vegetated landscape pattern changes in relation to socioeconomic development［J］.Ecological indicators，2014，46：477-486.

［16］王飞，叶长盛，华吉庆，等.南昌市城镇空间扩展与景观生态风险的耦合关系［J］.生态学报，2019，39（4）：1248-1262.

［17］REN Y，DENG L Y，ZUO S D，et al.Geographical modeling of spatial interaction between human activity and forest connectivity in an urban landscape of Southeast China［J］.Landscape ecology，2014，29（10）：1741-1758.

［18］胡盼盼，李锋，胡聃，等.珠三角城市群湿地景观格局变化及其驱动因素分析［J］.环境工程技术学报，2021，11（3）：418-427.

［19］李睿，王志泰，包玉.快速城市化背景下黔中多山城市扩展模式及景观格局动态：以安顺市为例［J］.水土保持研究，2020，27（4）：376-384，391.

［20］唐洪亚，李东东，曹洋.山地-旅游型城市景观破碎化时空演变特征及驱动因素：以安徽黄山市为例［J］.安徽农业大学学报（社会科学版），2022，31（2）：39-45.

［21］张欣，王志杰.黔中喀斯特山地城市景观稳定性评价与特征分析［J］.生态学报，2022，42（13）：5243-5254.

［22］韩会庆，刘悦，蔡广鹏，等.快速城镇化背景下山地城市生态系统服务价值变化梯度特征：以贵阳市为例［J］.水土保持研究，2020，27（5）：295-303.

［23］王后阵，蔡广鹏，张朝琼.贵阳市土地利用景观的社会经济梯度变化分析［J］.四川农业大学学报，2015，33（3）：306-313.

［24］韩会庆，李金艳，陈思盈，等.喀斯特地区贫困乡村景观格局及生态风险分析［J］.农业资源与环境学报，2020，37（2）：161-168.

［25］PENG K，ZHANG Y F，GAO W F，et al.Evaluation of human activity intensity in geological environment problems of Jinan City［J］.European journal of remote sensing，2021，54：117-121.

［26］刘采，张海燕，李迁.1980—2018年海南岛人类活动强度时空变化特征及其驱动机制［J］.地理科学进展，2020，39（4）：567-576.

［27］朱纹君，韩美，孔祥伦，等.1990—2018年黄河三角洲人类活动强度时空格局演变及其驱动因素［J］.水土保持研究，2021，28（5）：287-292，300.

［28］张玉娟，曲建光，侯建国.哈尔滨市景观生态风险时空变化驱动力及分布预测［J］.测绘通报，2022（2）：83-89，94.

［29］陈心怡，谢跟踪，张金萍.海口市海岸带近30年土地利用变化的景观生态风险评价［J］.生态学报，2021，41（3）：975-986.

［30］黄孟勤，李阳兵，李明珍，等.三峡库区人类活动强度与景观格局的耦合响应［J］.生态学报，2022，42（10）：3959-3973.

［31］刘涛，侯兰功.川北地形过渡带地形因子对土地利用与景观格局变化的影响［J］.水土保持通报，2020，40（4）：75-82，90.

［32］郜红娟，张朝琼.2000—2020年贵州省景观生态风险评估［J］.四川农业大学学报，2015，33（2）：144-152.

［33］傅微，吕一河，傅伯杰，等.陕北黄土高原典型人类活动影响下景观生态风险评价［J］.生态与农村环境学报，2019，35（3）：290-299.

（编辑：杜明侠）