基于土地利用变化的徽州地区景观生态风险评价及驱动因素分析

Landscape Ecological Risk Assessment and Driving Factor Analysis for Huizhou Area Based on Land Use Change

摘要

徽州地区作为传统村落最集中的地区之一，频繁旅游开发导致景观生态风险发生波动，通过评价其景观生态风险有助于指导区域高质量发展。选取1990年、2000年、2010年、2020年土地利用数据，构建景观生态风险评价模型揭示其景观生态风险时空分异特征，采用地理探测器分析各驱动因素对景观生态风险的影响。研究结果表明：（1）徽州地区的土地利用类型以林地为主，研究期内耕地、林地面积减少，建设用地面积持续增加；（2）景观类型空间分布趋于复杂和分散，破碎化加剧；（3）较高风险区和高风险区有明显扩张现象，景观生态风险整体呈现增长趋势，风险质心总体较为集中；（4）四期景观生态风险呈正相关关系，在空间上的聚集效应逐渐减弱，与景观生态风险空间分布变化具有趋同特征；（5）景观生态风险的主要驱动因素为坡度，因子交互作用对景观生态风险的解释力强于单因子作用。

Abstract

Huizhou area is one of the areas with the most concentrated traditional villages， facing fluctuations in landscape ecological risk due to frequent tourism development activities. Assessing its landscape ecological risk can help guide regional high-quality development. With the use of land use data of 1990， 2000， 2010， and 2020， this paper reveals the spatial and temporal characteristics of landscape ecological risk by constructing a landscape ecological risk assessment model. In addition， it analyzes the effects of each driving factor on landscape ecological risk by employing a geodetector. The followings are obtained from the research. （1） The main land use type in the Huizhou area is woodland. In the four periods， cultivated land and woodland were reduced in area， while construction land had a continuously increased area. （2） Landscape types tended to be complicated and scattered in space， with fragmentation increasing. （3） High- and very-high-risk areas expanded significantly. Overall， landscape ecological risk showed an increasing trend， and risk centroids were relatively concentrated. （4） The landscape ecological risks of the four periods had positive correlations. The spatial aggregation effect was gradually reduced， which was consistent with the spatial distribution variation of landscape ecological risk. （5） The main driving factor of landscape ecological risk is slope. Factor interactions can better explain landscape ecological risk than single factors.

Graphical abstract

关键词

土地利用 / 景观格局 / 生态风险 / 地理探测器 / 徽州地区

Key words

land use / landscape pattern / ecological risk / geodetector / Huizhou area

城市化进程持续加快导致土地利用与生态环境的矛盾日益尖锐^［1］，如何保持社会发展与生态平衡是区域可持续发展面临的重大挑战^［2］。景观生态风险评价作为国土空间优化与生态资源管理的综合手段，能够量化评估生态风险效应；驱动因素识别能够指导制定针对性风险降低措施，对促进区域可持续发展具有重要意义^［3］。

景观生态风险是指当外界扰动因子作用于景观格局和生态过程时所产生的消极影响，能够探究景观格局对生态风险产生的定量影响，注重生态风险的空间异质性，评价结果可作为该区域生态风险预判与防控、景观格局优化的重要科学依据^［4］。近些年，国内外学者已进行了广泛研究，研究尺度包括流域^［5］、城市群^［6］、市域^［7］、县域^［8］，研究对象主要集中于生态屏障区、工矿区、丘陵沟壑区等重点风险控制区。评价方法主要包括景观指数法和风险源汇法，相较于风险源汇法，景观指数法从景观格局出发，适用于评价由于人类活动导致的生态环境变化。景观生态风险驱动因素的识别分为定性分析和定量分析，目前定性分析方面的研究成果丰硕，而定量分析研究不足^［9］。定量分析主要通过回归模型或地理探测器模型进行，其中地理探测器能够识别驱动因子间的交互作用对景观生态风险的影响，解释效率更高^［10］。

徽州地区作为传统村落最集中的地区之一，其丰厚的历史文化底蕴和自然资源使得区域旅游业发展迅速，而频繁的旅游开发活动也给当地生态系统带来巨大压力，导致景观生态风险发生波动。另一方面，徽州地区山多地少，地势多变，自然灾害种类较多，不合理的土地利用开发方式加剧人地关系的紧张，从而导致生态脆弱性增加。鉴于此，本文选取徽州地区1990年、2000年、2010年和2020年的土地利用数据，划分评价单元，构建景观生态风险评价模型，探究其景观生态风险时空变化规律^［19］，并采用地理探测器分析各驱动因素对景观生态风险的影响，以期为徽州地区国土空间格局优化及生态风险预判提供科学依据。

1 研究方法与数据来源

1.1 研究区概况

徽州地区源于北宋时期行政区划，行政范围为今天的安徽省黄山市三区四县、宣城市绩溪县和江西省上饶市婺源县^［11］（图1），面积1.82×10⁵ km²。徽州地区以中低山地和丘陵为主，四周山脉环绕，中部为河谷平原或盆地，受社会经济发展和地形限制，土地利用和生态保护的矛盾尤为突出。加之处于暖温带和亚热带的过渡区，气候状况复杂，灾害频发，人地关系日益紧张，生态空间急剧下降。

1.2 数据来源

1990年、2000年、2010年和2020年土地利用数据来源于中国科学院资源环境科学与数据中心（https：//www.resde.cn），分辨率为30 m×30 m，结合徽州地区实际情况，按一级土地类型重新划分为耕地、林地、草地、水域以及建设用地5类土地覆被类型；2000年、2010年和2020年高程数据来源于地理空间数据云（https：//www.gscloud.cn），空间分辨率1 km（以下空间分辨率均为1 km），坡度、坡向数据通过高程数据提取；2000年、2010年和2020年降水、气温数据来源于中国科学院气象科学与数据中心；2000年、2010年和2020年植被归一化指数（NDVI）来源于中国科学院生态科学与数据中心（http：//www.nesdc.org.cn）；2000年、2010年和2020年人口密度、夜间灯光和GDP数据来源于中国科学院资源环境科学与数据中心（https：//www.resde.cn）。

1.3 研究方法

1.3.1 土地利用动态变化

土地利用转移矩阵能够定量识别不同时段内各土地利用类型的转移方向，其公式为

S_{ij}=\left[\begin{array}{c}{S}_{\mathrm{11}}{S}_{\mathrm{12}}\cdots S_{\mathrm{1}n}\\ S_{\mathrm{21}}{S}_{\mathrm{22}}\cdots S_{\mathrm{2}n}\\ \mathrm{︙}\mathrm{︙}\ddots \mathrm{︙}\\ S_{n\mathrm{1}}{S}_{n\mathrm{2}}\cdots S_{nn}\end{array}\right]，

式中：n为各土地利用类型数量，ij表示时间区间内各土地利用类型面积的转移量。

1.3.2 景观生态风险评价模型构建

（1）生态风险单元划分

采用GIS格网法，根据景观斑块的分散程度和大小，考虑计算的精度和工作量，最终确定将徽州地区划分为3 km×3 km的评价单元，共2 224个，以评价单元中心点计算景观生态风险值。

（2）景观生态风险指数（ERI）计算

选取能够反映生态风险的相关景观指数，结合前人研究经验，通过景观干扰度、景观脆弱度、景观损失度指数构建徽州地区景观生态风险评价模型^［12］。计算公式为

\begin{array}{l}{E}_i=a{C}_i+b{N}_i+c{F}_i,\\ R_i=E_i\times F_i\end{array}，

I_{\mathrm{E}\mathrm{R}}={\sum }_{i=\mathrm{1}}^n\frac{A_{ki}}{A_k}\times R_i，

式中，I_{\mathrm{E}\mathrm{R}}为景观生态风险指数，C_i、N_i、F_i分别为破碎度、分离度和分维数；a、b、c表示各景观指数的权重，a+b+c=1，根据已有研究成果，将a、b、c分别赋值0.5、0.3和0.2^［13］；E_i、F_i、R_i分别为景观干扰度、景观脆弱度、景观损失度；将各景观类型进行赋值，再通过归一化处理得到各景观类型的脆弱度指数F_i^［14］（表1）；n为风险小区内景观类型数量，A_{ki}为风险小区k内景观类型i的面积，A_k表示风险小区k的面积^［15］。

1.3.3 景观生态风险质心与标准差椭圆

景观生态风险质心的变化能够描述其在空间上的变化特征，标准差椭圆的大小反映空间要素集聚程度，通过质心偏移判断景观生态风险的变化趋势并用标准差椭圆分析对其验证^［16］。

1.3.4 空间相关性评判

为分析景观生态风险的聚集和离散程度，采用全局Moran's I进行空间相关性分析，其公式为

I=\frac{{\sum }_{i=\mathrm{1}}^n{\sum }_{j=\mathrm{1}}^n{w}_{ij}\left(x_i-\overline{x}\right)\left(x_j-\overline{x}\right)}{S^{\mathrm{2}}({\sum }_i{\sum }_j{w}_{ij})}。

局部相关性分析采用local Moran's I指数进行区域之间的聚集和差异分析，通过LISA分布图将区域间差异程度可视化^［17］。其公式为

\begin{array}{l}{I}_i=\frac{(x_i-\overline{x}){\sum }_{j=\mathrm{1}}^n{w}_{ij}\left(x_i-\overline{x}\right)}{S^{\mathrm{2}}},\\ S^{\mathrm{2}}=\frac{\mathrm{1}}{n}{\sum }_{i=\mathrm{1}}^n{\left(x_i-\overline{x}\right)}^{\mathrm{2}}\end{array}。

式中，n为生态风险小区数量，w_{ij}表示空间权重转移矩阵^［18］，x_i和x_j表示风险单元i和风险单元j的测度值，\overline{x}为平均值，S^{\mathrm{2}}为方差。

1.3.5 景观生态风险驱动因素分析

地理探测器是通过探测要素的空间异质性来揭示其背后驱动力的方法。本文通过因子探测器和交互作用探测器进行分析^［19］，从自然要素和社会要素两维度选取8个驱动因子，自然要素为高程（X1）、坡度（X2）、气温（X3）、降水（X4）、NDVI（X5），社会要素包括人口密度（X6）、夜间灯光（X7）、GDP（X8）。考虑到数据的精确性和易获取性，以2000年、2010年、2020年三期景观生态风险指数为因变量，驱动因子为自变量，分析自变量对因变量的影响程度，具体计算方法和判断依据详见文献［20］。

2 结果分析

2.1 土地利用变化

2.1.1 土地利用结构变化

根据不同时期土地利用类型（表2，图2）可知，林地占徽州地区面积的88%以上；其次为耕地，占徽州地区面积9%左右，主要集中在徽州区、屯溪区、歙县、黟县一带；其他土地利用类型面积占比较少。具体看来，林地作为徽州地区的主要土地利用类型，面积呈波动减少趋势，其中2000—2010年波动最大，面积增加275 km²；耕地面积亦呈波动减少趋势，2000—2010年面积变化速度最快，面积占比从10.32%降至8.41%；建设用地面积稳步增长，1990—2020年增加了171 km²，主要表现为围绕耕地集中区东侧逐渐连续性扩张；草地和水域面积波动较小，变化趋势均趋于稳定。

2.1.2 土地利用转化过程

由表3可知，林地与耕地之间的相互转换最为剧烈。林地为主要转出类型，主要转换为耕地（968 km²）和建设用地（103 km²）；其次是耕地，主要转为林地（964 km²）和建设用地 （121 km²）。建设用地的转入量最高，主要由林地（103 km²）和耕地（121 km²）转入。因此，1990—2020年徽州地区土地利用类型转移主要为耕地和林地转为建设用地。

2.2 景观生态风险评价

2.2.1 景观格局指数变化

由表4可知，徽州地区在1990—2020年间，耕地的斑块面积减小，斑块数量及各景观指数均明显上涨，表明耕地斑块破碎化加剧，内部稳定性降低；林地的斑块面积波动减小，斑块数量呈增加趋势，空间分布逐渐分散，但生态脆弱性无明显变化；草地的景观干扰度、分离度和损失度指数均减小，生态状况有向好趋势；水域的斑块数量及各项景观指数均明显增大，空间分布越来越分散；建设用地斑块面积和数量增幅明显，各景观指数下降，说明30年间建设用地快速扩张，但大面积斑块逐渐集聚，稳定性增大。

2.2.2 景观生态风险时空变化

为直观表征4个时期生态风险空间格局，利用自然断点法将景观生态风险等级划分为低风险区（ERI≤0.021）、较低风险区（0.021ERI≤0.060）、中风险区（0.060ERI≤0.102）、较高风险区（0.102ERI≤0.123）、高风险区（ERI>0.123）5个等级，得到徽州地区景观生态风险分布图（图3）及各生态风险等级面积占比（表5）。从时间来看，低风险区面积略有增加，增加24 km²；较低风险区作为主要的风险等级，面积减少了1.66%；中、较高和高风险区面积分别增加了17 km²、82 km²、180 km²。整体表现为风险等级由中段向两端转移，较高风险和高风险等级明显增加，景观生态风险总体呈增大趋势。从空间分布来看，高风险区主要分布在徽州地区东侧、南端和北部（屯溪区、歙县、黄山区、婺源县），呈现逐渐集中趋势；较高风险区逐渐向东侧集中，围绕高风险区分布；中风险区以徽州地区东部（绩溪县、歙县、屯溪区、黟县）为主要分布区；较低风险区主要分布在徽州地区西部；低风险区围绕徽州地区边缘分布。结合图2可知，建设用地、水域以高风险和较高风险等级为主；较高风险和中风险等级与耕地和草地的分布较为吻合；林地以较低风险和低风险等级为主。

2.2.3 景观生态风险格局变化

通过计算徽州地区1990年、2000年、2010年和2020年景观生态风险质心和标准差椭圆（图4）可知，景观生态风险质心总体较为集中，在2000年发生明显偏移。自1988年地级黄山市成立以来，经济发展迅猛，低风险等级的林地减少而高风险等级的耕地和建设用地增长，导致研究区北部景观生态风险上升，质心向东北方向移动。直至2009年，黄山市政府发布《关于建设生态文明展示区的实施意见》中强调加强森林资源保护，林地面积占比得到提升，北部景观生态风险降低，导致质心向南移动。

2.3 景观生态风险空间关联

通过GeoDa空间自相关软件计算Moran's I指数和局部聚集情况（表6）并绘制LISA分布图（图5）。4个时期徽州地区景观生态风险Moran's I值分别为0.351、0.351、0.333、0.318（P=0.001），Moran's I值均大于0，说明景观生态风险指数在空间分布上呈正相关。4期的Moran's I值呈下降趋势，景观生态风险聚集效应逐渐减弱，在空间分布上趋于离散。结合LISA分布图可知，除不显著单元外，整体以“低⁃低”聚集为主，主要集中在研究区四周边缘，呈带状分布格局，该区域及周边区域生态风险等级均为低风险等级。“高⁃高”聚集主要集中分布在研究区东部和北部（歙县西部、黄山区北部、屯溪区、徽州区南部、休宁县东北部），与中风险、较高风险和高风险等级的空间分布趋于一致。

2. 4 景观生态风险驱动因素分析

2.4.1 单因子分析

根据驱动因子检测结果（表7），2000—2020年，坡度对景观生态风险变化的贡献度最大，分别为0.153、0.171、0.155，说明坡度是徽州地区景观生态风险的主要驱动因子；降水的贡献度最小，说明降水对景观生态风险演变的影响相对较低；人口密度的贡献度持续增加且增幅最大，由0.068增至0.141，说明伴随城镇化的发展，人口密集区域增多，人类活动对景观生态风险造成一定的干扰。

2.4.2 交互作用分析

根据交互作用检测结果（图6），各因子之间的相互作用均表现为非线性增强关系或双因子增强关系，说明因子交互作用对景观生态风险的解释力强于单因子作用，也表明景观生态风险的变化是多因子相互作用的结果。2000年X2（坡度）∩X5（NDVI）对景观生态风险的解释力最强，表明坡度对植被生长影响较大，不同植被类型使景观结构发生改变进而影响景观生态风险的变化。2010、2020年X1（高程）∩X8（GDP）对景观生态风险的贡献度最高，不同高程使得景观结构存在差异，经济发展导致土地粗放利用等情况发生，影响生态系统的有序发展，二者相互作用加剧了景观生态风险。

3 讨论

3.1 景观生态风险时空分异及成因

已有研究表明，土地利用演变对景观格局变化有直接影响^［21］，因此通过景观格局指数，建立土地利用与景观生态风险之间的联系，可作为评价景观生态风险的有效手段。研究发现，景观生态风险整体呈由低风险等级向高风险等级变化的现象，这与其他研究结论相似^{［22⁃23］}。本研究区以林地为主，林地的景观结构较为稳定，生境质量较高，因此景观生态风险等级主要为低风险和较低风险。林地生态风险的稳定与生态保护政策的不断推进关系密切，其中黄山市作为典型山区和林业大市，也是安徽省重点生态功能区和华东地区重要生态屏障，在2000—2020年间，黄山市贯彻落实全市退耕还林林地异地占补平衡工作，积极做好林地要素保障，目前已见成效。在此期间，低风险区和较低风险区均有扩大也证实了这一点。随着城市建设扩张以及退耕还林政策的推进，研究区耕地面积明显减少，作为中风险等级的主要分布区，耕地转移为建设用地是导致徽州地区景观生态风险上升的关键原因。2010—2020年间，徽州地区各市县积极制定严格的耕地保护政策、加大耕地乱占问题的整治力度，但由于耕地问题欠债已久，收效甚微。

3.2 驱动因素对景观生态风险的影响

通过地理探测器分析，结果表明坡度对景观风险的影响最为显著。徽州地区地势以山地丘陵为主，由于坡度原因不适合建设的用地较多，而在城镇化发展过程中，越来越多的不宜建设用地转化为建设用地，导致景观生态风险产生波动，这与已有研究结果一致，研究表明多山城市和异质城市在城市扩张过程中，越来越多的不适合建设的城市遗迹被带入城市建成区，从而影响了景观生态风险的变化。人口密度的贡献度增幅最大，研究区人口由2000年的196.75万人增至197.35万人，人口增长导致土地需求增加，建设用地迅速扩张，虽然建设用地稳定性逐渐增强，但已有研究表明，扩大建设用地会因人为干扰而增加周边景观生态风险。此外，因子交互作用比单因子对景观生态风险变化的驱动作用更强，与其他研究结果一致。

3.3 未来景观生态风险管控建议

为避免景观生态系统结构持续性遭到破坏，本文提出如下建议。

（1）为进一步提高林地的生态承载力，加强生态脆弱区的保护和治理，有针对性地修复退化林地；通过进一步完善集体林权制度，明确产权关系，落实经营主体；落实生态保护区责任制，严格执行保护区刚性管控。

（2）耕地作为景观生态安全格局的重要组成部分，建议对耕地质量进行等级划分，将质量较差的耕地纳入退耕还林政策范围；严守永久基本农田保护红线，对于占用耕地违法违规行为实施清理整治行动，保证耕地保有量符合要求；针对山区耕地，考虑引进新型高效灌溉技术，推广种植药材、茶叶、水果等耗水少、经济效益高的特色作物。

（3）随着建设用地的大面积斑块逐渐聚集，斑块内部的集约化程度提高，建议未来加大管控力度，严格控制建设用地的增量开发，完善建设用地生态空间的配置，以期规避生态风险的增加，提升区域生态安全水平。

3.4 局限性及未来工作方向

以网格形式对徽州地区进行空间划分，分析研究区景观生态风险变化特征及驱动因素，有助于研究区的精细化管理。但未考虑气候、人类活动、区域间物质交换等其他生态过程，研究成果具有一定局限性，因此进行多因素、多过程的生态评价是未来的研究方向；另外，研究仅基于徽州地区现有土地利用数据进行分析，未来可从土地利用预测角度进行预测研究。

4 结论

对徽州地区1990—2020年景观生态风险时空分异及驱动因素的研究，得到以下结论。（1）1990—2020年间徽州地区的土地利用以林地为主，主要表现为耕地和林地转为建设用地，水域、草地保持稳定。（2）从景观格局指数变化可知，耕地破碎化程度增大，稳定性逐渐降低；林地斑块逐渐分散，但生态脆弱性无明显变化；草地的生态状况有向好趋势；水域分离程度增大；建设用地大面积斑块逐渐聚集，稳定性增大。（3）从景观生态风险评价结果可知，徽州地区景观生态风险以较低风险等级为主；风险等级转移多为低等级风险区转为高等级风险区，景观生态风险整体表现为上升趋势；风险质心总体较为集中。（4）从空间关联结果可知，景观生态风险指数在空间上呈正相关，在空间上的聚集效应逐渐减弱，趋于离散；相关性空间变化情况与景观生态风险空间分布变化具有趋同特征。（5）从驱动因素分析可知，坡度是景观生态风险的主要驱动因子，人口密度的贡献度持续增加；因子交互作用对景观生态风险的解释力强于单因子作用。

参考文献

[1] 梁发超， 胡其玉， 起晓星. 基于生命共同体的景观生态风险评价与管控策略：以成渝城市群为例［J］. 经济地理， 2021， 41（8）：152-159.

[2] 王玲， 汪淼. 成渝城市群景观生态风险演变分析［J］. 长江流域资源与环境， 2023， 32（3）：626-637.

[3] 乔斌， 颜玉倩， 张婷华，等. 基于土地利用变化的西宁市景观生态风险识别及优化策略［J］. 生态学杂志， 2023， 42（8）：2020-2031.

[4] 刘可暄， 王冬梅， 魏源送，等. 密云水库流域多尺度景观生态风险时空演变趋势［J］. 生态学报， 2023， 43（1）：105-117.

[5] 康紫薇， 张正勇， 位宏，等. 基于土地利用变化的玛纳斯河流域景观生态风险评价［J］. 生态学报， 2020， 40（18）：6472-6485.

[6] DENG R F， DING X， WANG J L. Landscape ecological risk assessment and spatial pattern evolution analysis of the central Yunnan urban agglomeration from 1995 to 2020 based on land use/cover change［J］. Sustainability， 2023， 15（24）：16641.

[7] 李承航， 张文春， 林楠，等. 基于土地利用变化的沈阳市景观生态风险评价及驱动力分析［J］. 内蒙古大学学报（自然科学版）， 2022， 53（4）：383-393.

[8] QU M， XU D W. Spatio-temporal evolution and optimization of ecospatial networks in county areas based on ecological risk assessment： Taking Dalian Pulandian district as an example［J］. Sustainability， 2023， 15（19）：14261.

[9] 梅子钰， 张雅茹， 黄心言，等. 基于生态系统服务的青海湖流域生态风险评估及其空间异质性影响因素分析［J］. 生态学报， 2024， 44（12）：4973-4986.

[10] 孙丽蓉， 周冬梅， 岑国璋，等. 基于地理探测器模型的疏勒河流域景观生态风险评价及驱动因素分析［J］. 干旱区地理， 2021， 44（5）：1384-1395.

[11] 李久林， 储金龙， 叶家珏，等. 古徽州传统村落空间演化特征及驱动机制［J］. 经济地理， 2018， 38（12）：153-165.

[12] 文可可， 张仕超， 薛秀峰. 三位一体视角下三峡库区耕地资源内外转换轨迹和特征：以江津区为例［J］. 水土保持研究， 2023，30（2）：175-185.

[13] 刘孟竹， 王彦芳， 裴宏伟. 基于土地利用变化的河北省坝上地区景观生态风险评价［J］. 水土保持通报， 2020， 40（4）：303-311.

[14] 何钊全， 尚雪， 张铜会，等. 近20年陕北黄土丘陵区景观生态风险时空变化及其冷热点格局［J］. 生态学杂志， 2023， 42（10）：2514-2525.

[15] 陈全通， 殷浩然， 李艳红，等. 秦巴山地景观生态风险的时空分异［J］. 水土保持通报， 2022， 42（3）：239-246.

[16] 金梦婷， 徐丽萍， 徐权. 基于FLUS-Markov模型的多情景景观生态风险评价与预测：以南疆克州为例［J］. 干旱区研究， 2021， 38（6）：1793-1804.

[17] ZHANG M X， BAO Y B， XU J， et al. Ecological security evaluation and ecological regulation approach of East-Liao River basin based on ecological function area［J］. Ecological Indicators， 2021， 132：108255.

[18] 杨志鹏， 王士君， 田俊峰，等. 东北三省县域开发强度与生境质量的空间关系研究［J］. 地理与地理信息科学， 2022， 38（3）：83-90.

[19] 宋沛林， 解吉波， 杨腾飞，等. 基于生态敏感性的区域环境时空变化及其驱动因素探究：以定安县为例［J］. 测绘通报， 2023（7）：18-24.

[20] 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.

[21] TIAN P， CAO L D， LI J L， et al. Landscape characteristics and ecological risk assessment based on multi-scenario simulations： A case study of Yancheng coastal wetland， China［J］. Sustainability， 2020， 13（1）：149.

[22] 陈爱莲， 朱博勤， 陈利顶， 等. 双台河口湿地景观及生态干扰度的动态变化［J］. 应用生态学报， 2010， 21（5）： 1120-1128.

[23] 闻国静， 刘云根， 王妍，等. 普者黑湖流域景观格局及生态风险时空演变［J］. 浙江农林大学学报， 2017， 34（6）： 1095-1103.

基金资助

安徽省哲学社会科学规划资助项目“徽州传统村落复杂性认知与空间适应演进研究”(AHSKQ2021D77)