澜沧江—湄公河跨境流域土地利用变化及生态环境质量演变

摘要： 【目的】研究澜沧江—湄公河跨境流域土地利用变化及生态环境质量地域分异。【方法】运用动态度模型和地学信息图谱理论，基于Global Land 30、全球30 m 精细地表覆盖数据集等，分析澜沧江—湄公河跨境流域在2000—2010 年和2010—2020 年2 个时序单元的土地利用变化；构建生态环境质量评价体系，采用探索性空间数据分析方法探究其分异。【结果】澜沧江—湄公河跨境流域土地利用类型变动速率差异明显；在图谱空间中，长期稳定型的分布最广，图谱变化类型呈片状零散分布；2000—2020 年，研究区土地利用类型转移呈多样性和不均衡性，林地为主要转出类型，贡献了总转出面积的46% 以上。2000—2010 年，研究区不同土地利用类型空间呈南北弱、中间强的散点分散格局；2010—2020 年，则呈南北强、中间弱的片状集中格局，且不同类型的涨落势具有显著的相似性。生态环境质量空间格局总体呈南高北低的片状分布，具有较弱的空间正相关性，生态环境发展水平的空间俱乐部收敛特征显著性较低。【结论】澜沧江—湄公河跨境流域土地利用具有图谱变化稳定性、地域分异国别性和生态质量差异性，耕地和草地转变为林地有助于改善生态环境，但林地转为耕地以及城镇化导致了生态环境恶化。

关键词： 土地利用；地学信息图谱；生态环境质量；澜沧江—湄公河跨境流域

中图分类号： U412.14 文献标志码： A 文章编号： 1004–390X （2024） 05−0178−13

自“人类世”以来，人类为满足生存、生活和生产需求，不断调整土地利用的景观格局[1]。随着人类活动的日益频繁，生态系统的不稳定性加剧，服务功能减弱，结构失衡，这对区域生物、水资源、经济的可持续发展产生了重要影响。跨境流域是重要的区域生态系统单元，是区域生态功能的储存库，也是跨境经济合作的重要载体。由于其独特的地缘价值、国界限制及管理保护机制的不完善，流域生态系统表现出明显的脆弱性，例如生态系统的连通性破碎、水资源争端频发、生物多样性锐减等问题不断突显。因此，全面系统地研究跨境流域的土地利用变化及其生态环境质量，有助于丰富和深化流域生态学，推动生态环境的有效改善，进而实现跨境流域生态的可持续发展。

目前， 土地利用/覆盖变化（land use/coverchange，LUCC） 已成为普遍关注的热点问题，学术界就土地利用变化的概念[2]、内涵与特征[3]等展开了大量的理论探究，并基于理论内涵开展了动态变化[4]、时空格局[5]、资源开发[6]等实证分析。在此基础上，学者们探讨了土地利用变化的驱动机制，认为与海拔等自然因素以及政策调控、经济发展、人口等人文因素相关，且人文因素的影响程度高于自然因素[7]。还有学者研究了土地利用变化对碳储量[8]、径流[9]、土壤侵蚀[10]等的影响，发现不同土地利用类型变化产生的影响存在差异。研究空间尺度涵盖了全国[11]、区域[12]、市域[13]、县域[6]等，呈多样化趋势；研究方法多以动态度[4]、地学信息图谱[14]、平均中心和密度分析[15]等定量方法为主，具有较好的空间可视化、简明扼要、直观反映等特点，这些方法为土地利用变化的可视化和精准分析提供了技术支持。

生态环境质量是衡量土地利用方式和结构合理性的主要监测指标，是反映人地关系的重要指标[16]。已有研究利用生态环境质量指数[17]、生态贡献率[18]、敏感性分析[19]、生态服务价值评价[20]、生态足迹[21]等方法对生态环境质量进行了深入分析，强调了随着城镇化进程加快，不同土地类型的变化使生态环境质量呈现出不同的益损状态，针对亏损区域提出保护、恢复生态系统、加强土地利用的可持续性等措施，以实现区域生态系统的健康发展。

已有文献为研究跨境流域的土地利用变化提供了有利的理论基础和方法支持，但仍存在以下不足：（1） 研究尺度主要聚焦于国内流域和区域，鲜有针对跨境流域的尺度研究，特别是不同地缘政治和经济特色的跨境流域研究较少；（2） 侧重于单一指标的生态环境质量研究，忽视了生态环境质量评估的复杂性，且现有的生态环境质量评估结果对生态环境改善的指示意义不强。澜沧江—湄公河跨境流域作为亚洲生态系统的重要组成之一，是典型的生态脆弱区[22]，全面考察跨境流域的土地利用变化及生态环境质量，对推动跨境生态安全、澜沧江—湄公河次区域合作以及促进亚洲生态可持续发展新格局具有重要的理论和现实意义。本研究基于Global Land 30 土地利用本底数据，以全球30 m 精细地表覆盖数据集为补充，引入土地利用动态度、土地利用转移矩阵、土地利用变化图谱等模型，对澜沧江—湄公河跨境流域在2000—2010 年和2010—2020 年2个时序单元的土地利用变化特征进行分析，并构建生态环境质量评价体系，借助探索性空间数据分析等方法对其生态环境系统质量分异进行讨论，以期为摸清跨境流域土地资源本底以及澜沧江—湄公河次区域合作的生态保护路径构建和可持续发展提供参考。

1 材料与方法

1.1 研究区概况

澜沧江—湄公河位于亚洲东南部（图1），发源于中国青海省唐古拉山东北部，流经中国、缅甸、老挝、泰国、柬埔寨和越南6 个国家，全长4 880 km，流域总面积约7.95×105 km2，平均流量为1.50×104 m3/s，是亚洲重要的跨境河流之一。在自然环境方面，澜沧江—湄公河流域地势北高南低，地貌类型复杂多样，包括安南山脉、呵叻高原、湄公河平原等；流域内分布着众多支流和湖泊，拥有丰富的水资源和水能资源；涵盖了广泛的热带和亚热带植被，如热带雨林、针叶林和落叶阔叶林，其中栖息着众多珍稀濒危物种，因而被视为亚洲重要的生态系统之一。在人文方面，澜沧江—湄公河流域是多人口、多民族聚居的地区，2010 年总人口约7 187 万，密度为78 人/km2，流域内包含傣族、布依族、克伦族等多个民族，拥有丰富多样的文化遗产。

1.2 数据来源

所用数据主要包括Global Land 30 土地利用数据、全球30 m 精细地表覆盖数据集、GEBCO500 m 地形数据和研究区基础地理底图数据。本研究未选取冰川和永久积雪土地利用类型，主要原因为该类型面积较小，可忽略不计，且仅在中国段存在，不具有典型性。Global Land 30 土地利用数据集提供了全球地表覆盖较为详细的信息，能够准确刻画人类土地利用活动及其所形成的景观格局，第三方进行的全球精度验证显示其准确性为83%[23]。由于缺乏野外GPS 调查数据，为评估精度，本研究采用二级整群采样法，在Google Earth 高分辨历史影像数据的基础上，随机选取了5 058 个样本点，对2000、2010 和2020年澜沧江—湄公河流域的土地利用数据进行精度评价，三期Kappa 系数分别为0.813、0.831 和0.838，均符合研究标准。

1.3 研究方法

1.3.1 土地利用动态度模型

土地利用动态度模型用于分析各时序单元内不同土地利用类型的变化速率和幅度，包括单一和综合土地利用动态度。单一土地利用动态度指研究区在一段时间内某一种或所有土地利用类型的变化速率，可直观反映不同地类的数量、类型组合和区域差异等变化。综合土地利用动态度指某一时间段内研究区整体土地利用类型的变化速率，可以直观地分析土地利用的空间变化过程，并反映区域内各因素对土地利用变化的综合影响。本研究参考文献[14] 中的动态度计算方法进行分析。

1.3.2 土地利用转移矩阵

土地利用转移矩阵是研究土地利用类型间转移方式和数量变化的重要工具，揭示土地利用类型格局的动态变化过程，参考文献[17] 的方法进行计算。

1.3.3 土地利用生态环境综合质量

结合已有研究[24-25]，本研究从生态系统恢复力、贡献力等方面的功能出发，构建“基本力—恢复力—抵抗力—贡献力”生态环境综合质量评价体系，衡量研究区生态系统在结构、过程、服务、健康等维度的质量状况。

（1） 基本力（EA）：指定量评价某区域内生态环境质量的基本情况。EAt =Σmi=1 Ati × Ei=TAt。式中：EAt为t时期的生态环境质量基本力；Ati为i类土地面积；Ei为i类土地的生态环境质量指数；TAt为研究区总面积。

（2） 恢复力（RC）：指土地类型在自然和人为因素干扰下， 能够进行恢复的能力[25]。RCt =Σmi=1 Ati × Bi=TAt。式中：RCt为t时期的生态环境质量恢复力；Bi为i类土地的生态环境恢复力指数。

（3） 抵抗力（RD）：指土地类型在不同时期能够抵抗外界干扰、维持其原有结构和功能的能力[26]。RDt =Σm i=1 Ati ×Ri=TAt。式中：RDt为t 时期的生态环境质量抵抗力；Ri为i类土地的生态环境抵抗力指数。

（4） 贡献力（CQ）：指不同土地利用类型对生态环境和可持续发展的贡献程度[27]。本研究参考温静宜等[28]的研究，将固碳力作为生态系统的主要贡献力，计算包括地上、地下和土壤的碳储量。CQt =Σ3 i=1 （Ci-above +Ci-below +Ci-soil）×At。式中：CQt表示t时期的生态系统固碳服务总量；Ci-above、Ci-below和Ci-soil分别表示第种土地利用类型的地上碳密度、地下碳密度和土壤碳密度。

综上所述，基于基本力、恢复力、抵抗力和贡献力4 个评估因子，构建澜沧江—湄公河流域生态环境综合质量评估模型，参考已有研究[17]，结合专家打分法和熵值法进行综合加权，得出不同地类的基本力、恢复力、抵抗力和贡献力系数（表1），按照公式EEQt = 4根号下EAt×RCi ×RDt ×CQt，计算t时期的生态环境综合质量指数（EEQt）。最后，基于自然断点法将生态环境综合质量分为高质量、较高质量、一般质量、较低质量和低质量5 个等级（低质量：0.000 00～0.015 10，较低质量：0.015 11～0.045 80，一般质量：0.045 81～0.386 00，较高质量：0.386 01～0.712 60，高质量：0.712 61～2.282 90）。

1.3.4 探索性空间数据分析

探索性空间数据分析（exploratory spatial dataanalysis，ESDA） 是指利用地理信息系统分析某一范围内要素间的相关性集散程度，以探索空间分布特征的工具[29]，旨在揭示空间俱乐部收敛特征的存在及程度，即相邻区域个体间的相关性和异质性。ESDA 包括全局自相关和局部自相关分析。全局自相关中，Moran’s I 指数用于刻画研究区生态环境综合质量的空间分布格局，预期指数代表无空间自相关时的理论值，方差用于衡量Moran’s I 值的波动性，Z 得分则量化实际Moran’sI 与预期值的差异，并判断其显著性，P 值则检验空间自相关的显著性水平。局部自相关分析揭示空间相关性的局部异质性，常用方法包括莫兰散点图及局部空间关联性指标 （local indicators ofspatial association，LISA） 集聚图。本研究参考文献[29] 的计算方法，运用Moran’s I 指数和LISA集聚图探讨澜沧江—湄公河流域的生态环境综合质量空间关联性，揭示生态环境综合质量的空间俱乐部收敛特征。

1.3.5 土地利用转型生态贡献率

采用土地利用转型生态贡献率测算由土地利用类型变化引发的生态环境质量改变，探究生态系统服务对人类福利和社会经济发展的贡献率，计算过程参考文献[5]。同时，为了直观地反映不同土地利用类型变化对区域生态环境质量的影响，基于2000—2010 年和2010—2020 年2 个时序单元的转移数据，统计研究区2 个时序初期和末期的数据，并选择生态指数贡献率前6 名的指标进行分析（贡献率排名较低的生态贡献率可以忽略不计），以得出不同土地利用类型间转换对生态环境的影响。

2 结果与分析

2.1 土地利用结构转型分析

2.1.1 土地利用动态度变化

由表2 可知：研究区的土地利用类型变动速率差异明显。2000—2020 年，研究区土地利用的综合动态率为0.23，其中2010—2020 年的土地利用变化率为0.35，高于2000—2010 年的变化率（0.12），表明近十年土地利用类型变化剧烈，速度加快，人类活动对土地利用变化的影响程度增大。2000—2010 年，耕地、灌木地、湿地、人造地表和裸地的单一动态度均为正值，林地、草地和水体的动态度为负值；2010—2020 年，耕地、湿地、人造地表和裸地的动态度依旧为正值，特别是裸地和人造地表的增长尤为突出，而灌木地的动态度转为负值，水体的动态度则转为正值。

2.1.2 土地利用转移图谱

2000—2020 年时序单元土地利用转移图谱特征 （图2） 表明：研究区的图谱空间以长期稳定型为主，变化类型呈片状零散分布。（1） 前期变化型图谱单元总面积为3.45×104 km2，占变化模式的4.46%，呈片状集中分布于中国段南部、缅甸段北部、越南段北部等，而泰国和老挝段呈零散分布；最大图谱类型为草地→林地→林地，图谱面积占比约为28.18%。其中，中国段变化最为显著，图谱面积为9.28×103 km2，主要与中国实施“退耕还林”工程有关。（2） 后期变化型图谱空间上呈南北密、中间疏的带状集聚分布，主要分布在柬埔寨段、老挝段南部和中国段北部，最大图谱类型为林地→林地→耕地，占其变化模式的39.07%，且柬埔寨段变化较为显著，图谱面积为1.11×104 km2，这与研究后期的不合理利用土地、过度砍伐和林地与耕地之间的高频率转化有关。（3） 反复变化型图谱占比面积较小（0.41%），空间分布破碎化程度较高，显著集中在老挝段，林地→草地→林地为其最大图谱模式，这与该区域的“前采伐后保护”有关；泰国段最大图谱类型为耕地→林地→耕地，这源于泰国独特的休耕轮作等综合耕种制度。（4） 持续变化型图谱单元面积为4.03×103 km2，仅占0.15%，空间分布较少且分散，最大图谱转移类型为林地→草地→耕地，存在较大的稳定性，主要与区域人口增加、开垦耕地满足需求相契合，不同区段的最大图谱类型存在较大差异，但基本以林地和草地间的变化为主。（5） 长期稳定型图谱单元面积占比最大， 为92.34%，且广泛分散于研究区域；林地→林地→林地为面积最大的图谱模式（3.54×105 km2），这体现了亚洲热带季风区土地利用的分布及变动特征。其中，越南段和泰国段的最大图谱类型为耕地→耕地→耕地。

2.1.3 土地利用变化模式图谱特征

（1） 土地利用类型整体转移特征

2000—2020 年，研究区土地利用类型转移呈现多样性和不均衡性，林地为主要转出类型，变化面积整体上呈先增加后减少的态势（图3）。2000—2010 年， 林地和草地分别贡献了总转出面积的46.91% 和27.07%，其中林地和耕地是主要的受益地类，分别占总转入面积的32.01% 和32.00%。值得注意的是，研究区新增林地主要来源于草地和耕地，这说明研究区内不同国家采取的“退耕还林”政策初见成效，原先的草地和耕地逐渐重新造林，形成新增林地。2010—2020 年，林地、草地和耕地为主要转出类型，分别贡献了总转出面积的48.75%、 25.50% 和18.40%， 林地转移中有65.99%最终流向耕地，且林地转移面积较上一期有所增加，说明随着人口增长和经济快速发展，一部分林地被用于农业生产，同时，林地转入面积未能弥补转出的量。另外，人造地表和湿地明显增加，分别占总转入面积的7.73% 和6.67%，人造地表面积增加主要来源于耕地类型，表明耕地流失与建设用地等人造地表类型增长有关；而林地是湿地增加的主要来源类型，一方面，政府对城镇生态环境保护的重视，促使林地恢复和再造成为湿地；另一方面，由于林业产业发展周期长、产值低，且森林固碳的重要性没有得到充分认识，因此出现了以征用林地来应对湿地保护的现象。

（2） 2000—2010 年土地利用变化图谱

由图4 可知：2000—2010 年，不同土地利用类型整体上呈南北弱、中间强的散点分散格局。（1） 在落势方面，落势面积最大的为林地，占落势变化总面积的46.93%，显著高于其他地类；其次为草地和耕地，分别占27.06% 和14.81%；相较而言，裸地和人造地表落势面积相对较小。不同国别间的落势存在差异，中国、老挝、泰国、柬埔寨、越南和缅甸段落势变化面积分别占落势总面积的28.22%、26.58%、19.55%、13.52%、6.70%和5.43%，表明中国、老挝和泰国段的落势变化较为活跃，越南和缅甸段的变化较为稳定，尤其中国段快速的城镇化不仅导致国内土地利用类型的显著变化，还通过贸易和投资等跨境经济活动影响了老挝和泰国段的土地利用模式，如中国快速经济增长对农产品的需求增加，推动了柬埔寨和泰国的农业扩张。（2） 在涨势方面，2000—2010年，研究区土地利用类型的涨势区域面积为5.15×104 km2，在变化区域中，林地涨势最大，占涨势区域总面积的32.09%，主要集中在中国段西南部和老挝段；其次为耕地和草地，分别占31.97% 和21.47%；草地和林地的涨势区域分布基本一致；耕地的涨势主要集中在老挝、泰国和柬埔寨段；相较而言，裸地和人造地表的涨势面积较小，分别占0.65% 和2.08%，这可能与2000—2010 年研究区的经济发展和基础设施建设相对缓慢有关。不同区段的土地利用涨势类型存在显著相似性，中国、泰国、越南、柬埔寨和缅甸段以耕地和林地涨势为主，仅老挝段以草地和林地涨势为主。这种相似性不仅反映了跨境流域地理环境相似，而且与流域内国家可能实施类似的土地利用政策和经济发展模式有关，如退耕还林政策和以水稻生产为主的农业发展战略。

（3） 2010—2020 年土地利用变化图谱

由图5 可知：整体上，2010—2020 年，研究区土地利用类型空间呈南北强、中间弱的片状集中格局，土地利用方式更加复杂。（1） 在落势方面，土地利用类型萎缩度有所上升，但仍然集中在林地、草地和耕地，分别占落势变化总面积的48.76%、25.51% 和18.40%，林地落势主要集中在柬埔寨段的东部和老挝段的南部，相较于上一时期，林地和耕地的落势面积有所增加，这与快速城镇化背景下工业用地和住房用地占用林地及耕地有关。同时，不同国家段的图谱单元存在明显差异。越南、泰国、老挝和柬埔寨段以林地和耕地落势为主，表明此区域的萎缩地类存在较高的相似性，而中国和缅甸段主要表现为林地和草地的转出特征。（2） 在涨势方面，2010—2020 年的土地利用涨势区域面积为6.03×104 km2，相较于上一时期，土地利用程度有所增加。耕地为主要涨势类型，占涨势总面积的39.07%，主要集中在柬埔寨段；其次为林地和草地，涨势面积分别为1.40×104 和8.76×103 km2；湿地涨势面积最小，仅为897.11 km2，聚集在缅甸和柬埔寨段；人造地表和裸地涨势面积显著增加，尤其中国的裸地涨势和泰国的人造地表涨势最为明显，分别增长了3.90×103 和2.41×103 km2，这与2 个区段的快速城镇化和边境地区非农化速度加快有关。值得注意的是，不同区段的土地利用涨势类型与前一时段存在较大差异，中国段以裸地和耕地涨势为主，越南段则以耕地和草地涨势为主要特征，泰国段主要表现为耕地和林地扩张，缅甸段和老挝段以林地和草地涨势为主。其原因主要是近十几年来，在澜沧江—湄公河合作框架下，跨境经济互异性逐渐增加，跨境环境合作不断增强，尤其是上游国家的水资源开发和管理影响下游地区的水资源可用性，从而影响其农业和其他土地利用类型。随着合作的增强，中国倡导的和平与繁荣的澜湄国家命运共同体得到其他5 国认同，注重农业经济发展的同时，更加寻求经济发展与环境保护的平衡。

2.2 澜沧江—湄公河跨境流域生态环境质量演变

2.2.1 生态环境综合质量空间格局

由图6 可知：研究区生态环境综合质量空间格局总体呈现南高北低的片状分布。（1） 高质量生态环境主要分布在老挝段、柬埔寨段东部以及中国段南部和北部，这与该区域的平坦地势和茂密森林有关。随着时间推移，高质量生态环境区域整体呈缩小态势，但中国段北部的高质量生态环境却有所增加。（2） 较高质量生态环境主要位于泰国段和柬埔寨段南部。2000—2020 年，较高质量生态环境分布区域逐渐向老挝段和柬埔寨段北部蔓延，呈扩张趋势。（3） 一般质量生态环境主要集中在中国段北部，此区域处于青藏高原，地势较高，生态环境一般。（4） 较低生态环境区域主要位于柬埔寨段洞里萨湖周边，并且呈上升趋势，与当地围湖造田有关。（5） 低生态环境区域呈点状分布于研究区内，其面积明显增加，包括中国段北部和中部以及柬埔寨和泰国段的南部，这一变化的主要原因包括：一方面，由于经济快速发展导致具有生态价值的林地和草地转变为人工地表和裸地；另一方面，全球气候变化和人为活动的影响，以及草地退化、土地盐渍化等问题加重。

2.2.2 全局空间自相关分析

由表3 可知：2000、2010 和2020 年的Moran’sI 指数均大于0.15，对应的P 值均为0，正态统计值Z 得分分别为20.091 9、11.239 4 和14.725 9，均为正值，表明检验效果显著。这说明对于澜沧江—湄公河流域的土地利用变化而言，生态环境综合质量存在空间正相关性，但Moran’s I 指数较低，即空间自相关特征在生态环境综合质量发展的格局中表现不明显，生态环境质量集聚效应较弱。一方面，研究区地形复杂，自然灾害频发，阻碍了生态环境质量的提升；另一方面，研究区涵盖了多个国家，且国家间政策差异、利益冲突等限制了流域内共同解决生态环境问题的能力，同时，研究区是一个人口众多、经济发展较为活跃的区域，大规模的城镇化、工业化对生态环境造成了负面影响，使得生态环境质量溢出效应相对较弱。

2.2.3 局部空间自相关分析

LISA 结果（图7） 显示：2000、2010 和2020年，研究区生态环境质量分别有16.33%、16.77%和26.59% 的单元表现出明显的空间正相关，反映出研究区生态环境发展水平空间俱乐部收敛特征显著性较低，大部分单元之间存在非相关性，但随着时间推移，空间正相关单元呈上升趋势。从各聚集区看，2000 年高—高聚集区呈多片状广泛分布，主要分布于泰国段中部、柬埔寨段西部，少部分分布于中国段北部和南部，说明此时研究区并未形成强有力的城镇化，生态环境质量的辐射效应显现，对周边单元起到了生态辐射作用。2010 和2020 年的高—高聚集区单元逐渐减少，表明此区域在过去20 年中经历着快速工业化和城镇化，生态环境遭受了一定程度的破坏，使得生态环境综合质量整体有所下降，因此生态环境质量的溢出效应并不明显。高—低聚集区在研究时段分布较少，说明研究区的生态环境质量效应趋同性较弱。低—低聚集区主要分布于中国段，且单元数量呈上升趋势，逐渐向老挝、泰国和柬埔寨蔓延。低—高聚集区在2000、2010、2020 年期间由中国段的冰川和永久积雪附近向南转移，逐渐形成以柬埔寨、越南和老挝段为主的零散分布格局，这与各国省（区、市） 的经济和城市发展存在较大差异有关。

2.3 土地利用转型对生态环境的影响分析

由图8 可知：（1） 生态贡献率不变的为林地、耕地、草地，在2 个时序段内排名未发生显著变化；（2） 生态环境改善贡献率最高的为耕地转林地类型，2 个时序单元的生态指数贡献率分别为0.003 1 和0.002 6；其次为草地转林地类型，这与退耕还林、还草及湿地建设等有关；值得注意的是，草地和耕地转林地的生态贡献率呈下降趋势，且耕地向湿地转移的生态贡献率正在增多；（3） 生态环境质量恶化主要集中在林地转耕地上，且生态环境质量恶化率呈上升态势；不同时序单元的生态环境质量恶化情况和原因可能存在差异，2000—2010 年表现为草地、林地、水体等转耕地现象较多，说明此时研究区仍处于农业扩张阶段，以满足粮食安全及人口增长的需求；2010—2020 年表现为草地、林地等转人造地表、耕地和裸地现象较多，快速城镇化推动大量草地、耕地转向人造地表和裸地，同时，城镇化推动着人口增长，农民提高农业生产满足生活需求。总之，2000—2020 年间，在研究区的土地利用转型中，耕地和草地转林地改善了生态环境，而林地转耕地和快速城镇化导致生态环境质量恶化。

3 讨论

本研究成果不仅能为跨境流域土地资源的合理配置和规划提供数据支撑，也为跨境合作和跨境流域土地利用可持续发展、管理和重点生态系统保护规划提供依据，同时揭示了人类活动与社会经济因素对生态环境质量的影响在跨境流域利用中的重要作用。

首先，土地利用动态度表明人类活动对土地利用变化的影响程度加剧，这与陈潇菡等[14]的研究结果相似。本研究也进一步验证了跨境流域中，人类活动是土地利用变化的主要驱动力之一，在人类活动影响下，耕地、湿地、人造地表和裸地的增长趋势十分明显，特别是裸地的增长，这可能与基础设施建设等人类长期直接或间接活动密切相关。而与之相对的是，林地和草地的面积持续减少，这可能是城市化和农业扩展所致。此外，长期稳定型图谱在整个研究区域广泛分布，这反映了亚洲热带季风区土地利用的分布和变动特征，而不同区段的最大图谱类型则反映了各国土地利用政策和农业生产结构的不同。

其次，在2000—2010 年间，研究区的土地利用类型转移呈现出多样性和不均衡性，不同区段的土地利用类型变化和转移差异明显。草地和耕地逐渐转变为林地，而林地是湿地增加的主要来源，说明各国政府对城镇生态环境的保护，但也带来了一些挑战，例如：尽管林地恢复对湿地形成有积极影响，但也可能对农业生产和社区经济带来一定程度的影响。因此，在分析政策效果时，需要更深入地探讨生态保护与经济发展之间的协调，以及如何在保护自然资源的同时维护当地社区的生计和发展[30]。土地利用转移图谱和特征分析表明：社会、政治和经济状况影响着研究区土地利用变化和类型转移，不仅为研究区域内部的可持续发展提供了基础数据，也验证了TANG 等[31]对中南半岛土地利用结构的论述，以及STURGEON 等[32]和刘曙华等[33]关于跨境橡胶种植和国别经济发展的研究结论。此外，跨境土地利用的影响不仅限于单一国家的政策，还反映了区域经济一体化和环境资源共享的复杂交互关系。国家间的政策对话和跨境经济合作将在平衡当地经济发展和环境保护方面扮演关键角色，以解决跨境地区土地利用和环境问题的挑战。

最后，生态环境质量分析结果表明：澜沧江—湄公河流域土地利用的全局自相关集聚效应较弱，空间俱乐部收敛特征显著性较低，表明流域内不同地区的生态环境质量受到了各种复杂因素的影响，其发展趋势不尽相同。随着城镇化发展， 生态环境质量上升趋势逐渐平缓， 这与MILMAN 等[34]的研究结果相似，阐明了城镇化过程中土地利用变化对生态环境影响的差异[35]；但本研究尚未厘定城镇化与生态环境质量之间的逻辑关系，需要进一步深入探讨。此外，本研究构建的生态环境综合质量评价体系虽适用于较多生态系统类型，但数据仅限于土地利用数据，未来应考虑纳入GDP 网格等多源数据，进行综合生态质量评估，着重考察土地利用变化、自然因素、人为活动等因素之间的相互作用，以及它们对生态环境质量的复杂影响机制。

4 结论

本研究基于Global Land 30、全球30 m 精细地表覆盖数据集，测度了澜沧江—湄公河跨境流域的土地利用变化，并探究该流域的生态环境质量空间分异，揭示不同时序单元的生态环境综合质量演变规律。研究实现了对跨境流域土地利用时空演变、国别差异特征、生态环境质量空间相关性的深度剖析，并为构建跨流域土地利用基础数据库提供了重要依据。根据研究结果，建议因地制宜开展生态环境保护和修复工作；针对较低质量生态环境区域，尤其是与围湖造田相关的地区，积极实施湿地恢复和保护项目。作为澜湄国家命运共同体的重要成员，中国应积极加强跨国合作，制订澜沧江—湄公河流域的生态环境保护政策和规划，提高政策的一致性和协调性，同时，推动城乡一体化发展和可持续土地利用模式，摒弃传统刀耕火种的生产方式，注重生态城市建设和绿色产业发展等方面的创新，从而推动跨境流域内城乡协调高质量发展。

[ 参考文献 ]

[1]ROBBINS P. Tracking invasive land covers in India， or"why our landscapes have never been modern[J]. Annals of"the Association of American Geographers， 2001， 91（4）：637. DOI： 10.1111/0004-5608.00263.

[2]傅伯杰， 张立伟. 土地利用变化与生态系统服务： 概念、方法与进展[J]. 地理科学进展， 2014， 33（4）： 441.DOI： 10.11820/dlkxjz.2014.04.001.

[3]LONG H L， QU Y. Land use transitions and land management：a mutual feedback perspective[J]. Land Use Policy，2018， 74： 111. DOI： 10.1016/j.landusepol.2017.03.021.

[4]董亚坤， 郭羽鑫， 吴碧兰， 等. 基于土地利用动态变化的洱海流域上游生态系统服务价值分析[J]. 水生态学杂志， 2023， 44（1）： 16. DOI： 10.15928/j.1674-3075.2021.01.080237.

[5]王鹏， 秦思彤， 胡慧蓉. 近30 a拉萨河流域土地利用变化和生境质量的时空演变特征[J]. 干旱区研究， 2023，40（3）： 492. DOI： 10.13866/j.azr.2023.03.15.

[6]郑龙啸， 吴孟泉， 周敏， 等. 县域土地利用变化下土地资源开发研究： 以烟台市福山区为例[J]. 生态科学， 2023，42（4）： 114. DOI： 10.14108/j.cnki.1008-8873.2023.04.014.

[7]袁晓蕾， 王超， 李柏延， 等. 长江流域土地利用/覆盖变化驱动力及影响综述[J]. 武汉大学学报（信息科学版），2023， 48（8）： 1241. DOI： 10.13203/j.whugis2021.0368.

[8]张育诚， 韩念龙， 胡珂， 等. 海南岛中部山区土地利用变化对碳储量时空分异的影响[J]. 南京林业大学学报（自然科学版）， 2023， 47（5）： 115. DOI： 10.12302/j.issn.1000-2006.2021.05.030.

[9]刘卫林， 李香， 吴滨， 等. 修河中上游流域土地利用变化对径流的影响[J]. 水土保持研究， 2023， 30（3）： 111.DOI： 10.13869/j.cnki.rswc.2023.03.010.

[10]郭赓， 丁鸣鸣， 钱洲， 等. 1986—2013年南京市土地利用变化对土壤侵蚀的影响[J]. 水土保持研究， 2022， 29（5）：108. DOI： 10.13869/j.cnki.rswc.2022.05.020.

[11]匡文慧， 张树文， 杜国明， 等. 2015—2020年中国土地利用变化遥感制图及时空特征分析[J]. 地理学报， 2022，77（5）： 1056. DOI： 10.11821/dlxb.2022.05.002.

[12]范贤贤， 周云蕾. 长江经济带土地利用与经济—社会—环境耦合协调研究[J]. 水土保持研究， 2023， 30（5）： 370.DOI： 10.13869/j.cnki.rswc.2023.05.014.

[13]郭健斌， 张英， 张志伟， 等. 西藏林芝市土地利用程度变化及其空间异质性分析[J]. 云南农业大学学报（自然科学）， 2023， 38（3）： 511. DOI： 10.12101/j.issn.1004-390X（n）.2022.09.064.

[14]

陈潇菡， 张磊， 史丽， 等. 基于地学信息图谱的中缅泰老“黄金四角”地区土地利用变化分析[J]. 云南农业大学学报（自然科学）， 2023， 38（2）： 333. DOI： 10.12101/j.issn.1004-390X（n）.2023.02.035.

[15]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. DOI： 10.16251/j.cnki.1009.2018.06.010.

[16]张雪英. 1990—2020年辽西地区土地利用变化及驱动力分析[J]. 无线电工程， 2021， 51（8）： 711. DOI： 10.3969/j.issn.1003.2021.08.006.

[17]张舒涵， 姜海玲， 王丽遥， 等. 沈阳市2000—2020年土地利用变化及其生态效应分析[J]. 无线电工程， 2022，52（12）： 2222. DOI： 10.3969/j.issn.1003.2022.12.016.

[18]姜昕彤， 翟石艳， 王铮， 等. 基于未来土地利用模拟模型的郑州市“三生空间”模拟及生态环境效应分析[J]. 生态学报， 2023， 43（15）： 6225. DOI： 10.5846/stxb.2021.07.1810.

[19]VERBURG P H， TABEAU A， HATNA E. Assessingspatial uncertainties of land allocation using a scenarioapproach and sensitivity analysis： a study for land use in"Europe[J]. Journal of Environmental Management， 2013，127： S132. DOI： 10.1016/j.jenvman.2012.08.038.

[20]于淼， 吕晓， 廉[20] 丽姝， 等. 江苏省沿海地区土地利用变化及其生态效应[J]. 水土保持通报， 2017， 37（3）： 131. DOI：10.13961/j.cnki.stbctb.2017.0607.001.

[21]吴孟孟， 贾培宏， 潘少明， 等. 连云港海岸带土地利用变化生态效应量化研究[J]. 海洋通报， 2015， 34（5）： 530.DOI： 10.11840/j.issn.1001-6392.2015.05.006.

[22]GUI Z H， CHEN X H， HE Y H. Spatiotemporal analysis of"water resources system vulnerability in the Lancang River"Basin， China[J]. Journal of Hydrology， 2021， 601（12）：126614. DOI： 10.1016/j.jhydrol.2021.126614.

[23]CHEN J， CHEN J， LIAO A P， et al. Global land cover mapping at 30 m resolution： a POK-based operational approach[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2015， 103： 7. DOI： 10.1016/j.isprsjprs.2014.09.002.

[24]TURNER B， DEVISSCHER T， CHABANEIX N， et al.The role of nature-based solutions in supporting social-ecological"resilience for climate change adaptation[J]. Annual Review of Environment and Resources， 2022， 47（1）：123. DOI： 10.1146/annurev-environ-012220-010017.

[25]袁毛宁， 刘焱序， 王曼， 等. 基于“活力—组织力—恢复力—贡献力”框架的广州市生态系统健康评估[J]. 生态学杂志， 2019， 38（4）： 1249. DOI： 10.13292/j.1000-4890.2019.04.026.

[26]陈姿廷， 鲁绍伟， 李少宁， 等. 温带草甸草原不同植物功能类群对模拟干旱的抵抗力与恢复力[J]. 中国草地学报， 2023， 45（3）： 10. DOI： 10.16742/j.zgcdxb.2022.01.83.

[27]高玉娟， 张莹. 国有林区生态生产总值GEP核算及生态贡献度研究[J]. 林业经济问题， 2020， 40（2）： 173. DOI：10.16832/j.cnki.1005-9709.2020.02.008.

[28]温静宜， 王佳瑶， 叶松竹， 等. 基于InVEST模型的郑州市生态系统固碳能力评估[J]. 河南科技， 2023， 42（3）：100. DOI： 10.19968/j.cnki.hnkj.1003-5168.2023.03.022.

[29]黄木易， 岳文泽， 冯少茹， 等. 基于MCR模型的大别山核心区生态安全格局异质性及优化[J]. 自然资源学报，2019， 34（4）： 771. DOI： 10.31497/zrzyxb.2019.04.08.

[30]龚郁舒， 郭帅龙， 马长乐， 等. “三生空间”视角下会泽县土地利用变化及耦合协调度时空格局分析[J]. 西部林业科学， 2024， 53（2）： 142. DOI： 10.16473/j.cnki.xblykx1972.2024.02.019.

[31]TANG X J， WOODCOCK C E， OLOFSSON P， et al.Spatiotemporal assessment of land use/land cover change and associated carbon emissions and uptake in the Mekong"River Basin[J]. Remote Sensing of Environment，2021， 256： 112336. DOI： 10.1016/J.RSE.2021.112336.

[32]STURGEON C J， 陈晓艺， 沈海梅. 中老跨境橡胶种植：阿卡和泰橡胶农的区域化[J]. 湖北民族大学学报（哲学社会科学版）， 2022， 40（3）： 37. DOI： 10.13501/j.cnki.42-1328/c.2022.03.020.

[33]刘曙华， 张鹏飞， 周青， 等. “一带一路”背景下中越跨境经济合作区支持政策研究[J]. 广西社会科学， 2021（9）：71. DOI： 10.3969/j.issn.1004-6917.2021.09.009.

[34]MILMAN A， GERLAK A K， ALBRECHTl T， et al. Addressing"knowledge gaps for transboundary environmental"governance[J]. Global Environmental Change， 2020，64（1）： 102162. DOI： 10.1016/j.gloenvcha.2020.102162.

[35]杨妃， 李志刚. 成渝城市群生态保护红线分析及其配套政策建议[J]. 西南大学学报（自然科学版）， 2022， 44（9）：133. DOI： 10.13718/j.cnki.xdzk.2022.09.014.

责任编辑：何謦成

基金项目：国家自然科学基金项目（42101231）；云南省哲学社会科学创新团队（2023CX02）。