西南高山峡谷区景观格局演变与生态风险评价

Landscape pattern evolution and ecological risk assessment in southwest alpine canyon region of China

摘要

目的 探究西南高山峡谷区景观生态风险的时空演变特征，为区域生态保护与修复提供科学依据。 方法 基于2000年、2010年、2020年土地利用数据，构建土地利用转移矩阵，计算景观格局指数和景观生态风险指数，系统分析了该区景观格局与景观生态风险的时空演变动态。 结果 （1） 2000—2020年林地和草地是西南高山峡谷区的优势景观地类，面积分别为28.31万km²和26.31万km²，合计占比超过81%，但二者分别减少了0.27万km²、4.05万km²；而建设用地、未利用地和水域则有所增加，景观格局变化呈现整体稳定但局部变化剧烈的特点。（2） 20年间，研究区景观多样性和景观均匀度均有所上升，但景观蔓延度下降，破碎化加剧。（3） 西南高山峡谷区景观生态风险水平略有上升，较高风险区面积占比从2000年的33.32%增加至2020年的39.59%，低风险区面积则由23.81%下降至10.32%。（4） 不同分区来看，滇北—川西南高山峡谷蓄水保土区和滇西北高山峡谷生态维护区景观生态风险长期维持在较高水平，较高风险及以上等级的面积占比均超过76.60%；藏东南高寒高山峡谷生态维护区景观生态风险水平上升最为明显，需引起高度重视。 结论 滇北—川西南高山峡谷蓄水保土区和滇西北高山峡谷生态维护区应作为未来生态保护与修复的重点区域；藏东南高寒高山峡谷生态维护区需建立长期的动态监测预警体系，并严格管控人类活动以降低生态扰动。

Abstract

Objective This study aims to investigate the spatiotemporal evolution of landscape ecological risk in the southwest alpine canyon region， providing a scientific basis for regional ecological conservation and restoration. Methods Based on land use data from 2000， 2010， and 2020， a land use transfer matrix was constructed， and landscape pattern indices and landscape ecological risk indices were calculated to systematically analyze the spatiotemporal evolution of landscape patterns and ecological risks in the study area. Results （1） From 2000 to 2020， forest and grassland were the dominant landscape types in the southwest alpine canyon region， with areas of 283 100 km² and 263 100 km²， respectively， accounting for over 81% combined. However， these areas decreased by 2 700 km² and 40 500 km²， while construction land， unused land， and water bodies increased. Overall， the landscape pattern remained stable， with pronounced local variations. （2） Over the 20-year period， landscape diversity and evenness increased， whereas contagion decreased， reflecting intensified fragmentation. （3） Landscape ecological risk in the southwest alpine canyon region increased slightly. The proportion of high-risk areas rose from 33.32% in 2000 to 39.59% in 2020， and low-risk areas decreased from 23.81% to 10.32%. （4） Regionally， the soil and water conservation area in the north Yunnan-southwest Sichuan alpine canyons and the ecological maintenance area in the northwest Yunnan alpine canyon maintained relatively high levels of landscape ecological risk over the long term， with proportions of high and above risk levels exceeding 76.60%. The ecological maintenance area in the southeast Xizang alpine canyon showed the most pronounced increase in landscape ecological risk， requiring particular attention. Conclusion The soil and water conservation area in the north Yunnan-southwest Sichuan alpine canyon and the ecological maintenance area in the northwest Yunnan alpine canyon should be prioritized for future ecological protection and restoration. The ecological maintenance area in the southeast Xizang alpine canyon requires a long-term dynamic monitoring and early-warning system， along with strict control of human activities to reduce ecological disturbances.

Graphical abstract

关键词

土地利用变化 / 景观格局 / 景观生态风险 / 西南高山峡谷区

Key words

land use change / landscape pattern / landscape ecological risk / southwest alpine canyon region

景观格局是自然与人类活动长期相互作用在地表形成的空间异质性表征，其演变直接制约着生态系统的结构、过程与功能。在全球气候变化与高强度人类活动的双重影响下，区域景观格局正经历着剧烈重组，往往导致生态系统服务退化、生物多样性丧失及生态风险加剧等一系列问题^［1］。因此，深入探究景观格局的动态演变规律，并科学评估其潜在的生态风险，已成为景观生态学与可持续发展研究的前沿课题和核心内容。

景观生态风险作为衡量区域生态环境安全的重要指标^［2］，指在自然或人为因素影响下景观格局与生态过程互相作用产生的不利后果。景观生态风险评价立足于空间格局分析，是一种综合评估景观要素镶嵌结构、格局演变与生态过程受人类活动或环境变化影响程度的判定方法^［3］。其目的在于定量揭示生态风险的空间分布与动态演化过程，为区域生态保护、风险管理与土地资源优化提供科学依据。目前，景观生态风险评价方法可归纳为3类：第1类基于景观格局指数^［4］，通过量化景观要素评估生态风险演变过程，重点关注景观数量、功能与组合方式对生态风险的影响，适用于多尺度空间评估。该方法将复杂的景观空间结构转化为一系列可计算的指数，使得生态风险的评估过程变得客观、可度量且易于重复，极大地方便了不同时期、不同区域之间的对比研究。第2类为构建景观生态风险评价模型，如压力—状态—响应模型（Pressure-State-Response， PSR）^［5］、最小累积阻力模型^［6］和生态足迹模型等^［7］。这类模型能够综合评估生态系统健康状况及其面临的风险压力，并解析系统状态及其对环境变化的响应能力，但其对数据要求较高，且多依赖简化假设与线性关系，难以充分捕捉生态系统中的复杂非线性互动^［8］。第3类则基于“源—汇”理论识别生态源地，修复生态廊道以达到优化生态风险格局^［9］，通过识别生态源地、构建阻力面、提取生态廊道及夹点与障碍点，构建区域生态风险空间格局。该方法可直观反映自然与人为干扰下生态状况的空间分异，但在城镇化或工业化显著区域可能低估人类活动的影响，其虽适用于具有明确风险胁迫因子的对象，却常将风险受体视为单一要素，对景观异质性的整体考量仍显不足^［10］。

西南高山峡谷区地处青藏高原向四川盆地、云贵高原的过渡地带，地形破碎、地质活动频繁，岭谷落差极大，海拔3 500 m以上的高山区约占65%，是全球生物多样性热点区域之一，也是中国典型的生态脆弱区和重要生态安全屏障^［11］。在全球气候变化与人类活动加剧的背景下，该区域景观格局发生了显著变化，进而引发生态风险加剧、生态系统服务功能退化等一系列问题^［12］。然而，目前关于西南高山峡谷区的研究多集中在垂直地带性变化^［13］、水土流失治理技术^［14］、生态系统服务功能评估^［15］、植被变化的驱动机制等^［16］方面，针对景观生态风险评价的研究仍较为缺乏。因此，有必要对西南高山峡谷区的景观格局演变过程与生态风险开展深入研究，以科学指导该区生态修复工作的有效开展。

鉴于此，本研究以西南高山峡谷区为研究对象，基于2000、2010年与2020年三期土地利用数据，综合运用土地利用转移矩阵、景观格局指数、景观生态风险评价与空间自相关分析等方法，全面揭示近20年来该区景观格局与生态风险的时空变化特征，以期为西南高山峡谷区生态修复提供科学依据。

1 研究区概况

西南高山峡谷区位于四川、西藏和云南三省交界地带，总面积约61万km²，地理坐标范围为24°58′7.47″—32°51′24.93″N，91°23′48.24″—104°13′43.55″E（图1）。该区地形地貌复杂多样，以高山、深谷和高原地形为主，地势起伏剧烈，海拔60~7 258 m。区内气候垂直地带性显著，形成从半干旱、半湿润到湿润区的多样气候类型。平均气温为-2.98~21.89 ℃，年降雨量为296.62~2 302.90 mm^［17］。复杂的地形与气候条件共同孕育了丰富的生态系统和生物多样性，植被类型以针叶林、阔叶林、灌丛和草甸为主，是我国生物多样性的宝库，也是全球现代生物多样性热点地区之一。根据《中国水土保持区划》，西南高山峡谷区可以划分为藏东南高寒高山峡谷生态维护区（Ⅰ区）、藏东—川西高山峡谷生态维护水源涵养区（Ⅱ区）、滇北—川西南高山峡谷蓄水保土区（Ⅲ区）、滇西北高山峡谷生态维护区（Ⅳ区）。

2 数据来源与方法

2.1 数据来源

本研究采用的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（http://www.resdc.cn）提供的2000年、2010年、2020年三期全国土地利用遥感监测空间分布数据。该数据集空间分辨率为30 m×30 m，统一空间参考坐标系为China Geodetic Coordinate System 2000。根据《第三次全国土地调查土地分类标准》，将原始土地利用类型划分为6类：耕地、林地（含灌木地）、草地、水域（含湿地、水体、冰川和永久积雪）、未利用地（含苔原、裸地）、建设用地。

2.2 研究方法

2.2.1 土地利用转移矩阵

土地利用转移矩阵是量化不同土地利用类型在数量与空间方向上动态转化的有效工具，能够揭示研究时段内各土地利用类型的演变趋势及转换强度。其数学表达式为：

S_{ij}=〔\begin{array}{cccc}{S}_{\mathrm{11}}& S_{\mathrm{12}}& \dots & S_{\mathrm{1}m}\\ ⋮& ⋮& ⋮& ⋮\\ S_{n\mathrm{1}}& S_{n\mathrm{2}}& \dots & S_{nm}\end{array}〕（1）

式中：S为土地利用类型的面积；n为土地利用类型的总数；i为研究初期的土地利用类型；j为研究末期的土地利用类型^［18］。

2.2.2 单一土地利用动态度

土地利用动态度是表征区域土地利用类型变化速率与波动程度的重要指标，用于描述特定时期各类土地利用数量的稳定性及其变化趋势，计算公式如下^［19］：

K=\frac{U_b-U_a}{U_a}\times \frac{\mathrm{1}}{T}\times \mathrm{100}\mathrm{\%}（2）

式中：K为研究时间段内某类土地利用类型的动态度，即其年变化率；U_a， U_b 分别为该类土地利用类型期初、期末的面积；T为研究时段长度。当K=0时，表示该土地利用类型面积总体稳定；当K<0时，表示该土地利用类型面积呈减少趋势，且值越小，减少幅度越大；K>0时，表示该土地利用类型面积有增加，值越大，增加幅度越大；K的绝对值越大，表示该土地利用类型变化幅度越明显。

2.2.3 景观格局指数

景观格局指数是定量表征景观要素数量、形状与空间分布特征的重要指标。本研究结合西南高山峡谷区的生态本底特征，选取6个类型水平指数和4个景观水平指数（表1），并借助ArcGIS与Fragstats 4.2软件完成相关计算。

2.2.4 景观生态风险指数

本研究采用景观生态风险指数（Ecological Risk Index， ERI）评估区域生态风险水平，该指数综合了景观干扰度与景观脆弱度两方面特征。景观干扰度通过对景观破碎度、景观分离度和景观优势度进行加权计算得到，用于表征不同景观类型所受干扰的强度及空间复杂性；干扰度越低，越有利于生物生存。已有研究表明^［20］，景观破碎度重要性最高，其次是景观分离度和景观优势度，故将上述三项指数的权重分别设定为0.5，0.3，0.2。景观脆弱度指数用于表征不同景观生态系统在外部干扰下的敏感性，脆弱度越低，景观抵御外部干扰的能力越强。景观脆弱性是表征景观利用类型遭受干扰后变化程度的状况，参考前人研究^［21］并结合研究区实际情况，对6类景观类型的脆弱度赋值。研究区海拔高差悬殊，未利用地多位于高寒裸地及陡坡地带，生态系统最为脆弱，赋值为6；水域紧邻建设用地和耕地，受人类扰动较大，赋值为5；耕地一般多为陡坡开垦，生态系统稳定性较差，赋值为4；草地和林地为研究区的植被主体，抗干扰与自我恢复能力较强，故更为稳定，分别赋值为3，2；建设用地最为稳定，赋值为1，详见表2。本研究借助ArcGIS 10.2将研究区划分为10 km×10 km的网格作为生态风险评价单元，在此基础上计算景观生态风险指数ERI _i，并进行克里金插值得到连续的景观生态风险值。

2.2.5 景观生态风险评价等级划分

为了揭示研究区景观生态风险指数的空间差异，利用自然断点法将风险水平划分为5个等级，具体见表3。

2.2.6 空间自相关分析

空间自相关分析是一种用于识别与检验地理要素属性值在空间上相关性的统计方法，旨在揭示某一变量在空间分布上的依赖关系及其聚集特征^［22］。该方法包括全局自相关和局部自相关两种度量方式，能够系统评估空间单元之间的关联模式。

全局自相关可通过Moran′s I（莫兰指数）表征，公式为：

\mathrm{M}\mathrm{o}\mathrm{r}\mathrm{a}\mathrm{n}\mathrm{\text{'}}\mathrm{s}I=\frac{n\sum i\sum j{w}_{ij}(x_i-\overline{x})(x_j-\overline{x})}{(\sum i\sum j{w}_{ij})\sum i{(xj-\overline{x})}^{\mathrm{2}}}（3）

式中：w_ij 为空间权重矩阵；x_i 与x_j 分别为变量x在第i个和第j个空间单元的属性值；\overline{x}为属性值的平均值。若Moran′s I>0，表明两个变量存在正向空间自相关，即属性值在空间上呈集聚分布；若Moran′sI=0，表明不存在空间自相关，属性值呈随机分布；若Moran′s I<0，则表明存在负向的空间自相关，属性值呈离散分布。

局部自相关LISA指数用于识别局部区域单元的空间集聚特征与其邻近单元在某一属性上的相似性或异质性^［22］。其计算公式为：

\mathrm{L}\mathrm{I}\mathrm{S}{\mathrm{A}}_{\mathrm{I}}=\frac{(x_i-\overline{x})}{\sum i{(i-\overline{x})}^{\mathrm{2}}/n}\sum j{w}_{ij}(w_j-\overline{x})（4）

LISA聚集模式分别为高—高聚集（high-high， H-H）、高—低聚集（high-low， H-L）、低—低聚集（low-low， L-L）、低—高聚集（low-high， L-H）和不显著（not significant）。

3 结果与分析

3.1 土地利用变化

3.1.1 土地利用现状

2000—2020年西南高山峡谷区优势景观地类为林地和草地，二者面积占比在各年均超过81%。土地利用变化总体呈现“四增二减”态势，耕地、水域、未利用地和建设用地分别增加0.16万km²，0.07万km²，3.97万km²，0.11万km²，林地和草地分别减少了0.27万km²，4.05万km²。其中，未利用地和建设用地的扩张尤为剧烈，至2020年，两者面积分别为2000年的2.04倍和2.83倍，土地利用动态度分别为160.62%与104.76%（表4）。空间上，林地集中分布于研究区南部，草地则主要分布在北部，耕地、建设用地主要分布在海拔相对较低，地势较为平缓的滇北—川西南高山峡谷蓄水保土区（Ⅲ区）和滇西北高山峡谷生态维护区（Ⅳ区）；水域类型以冰川和永久积雪为主，集中出现在Ⅰ区和Ⅱ区（图2）。

3.1.2 土地利用转移

2000—2020年林地和草地的相互转换是研究区内土地利用转换的主要方向（图3）。20年间，总计1.51万km²林地转化为草地，1.63万km²草地转化为林地。此外，有2.40万km²水域和2.19万km²未利用地转化为草地。分期来看，2000—2010年2.02万km²林地和未利用地转化为草地，但同期又有2.23万km²草地转化为林地和水域，最终导致草地面积净减少0.77万km²，水域面积净增加1.19万km²。2010—2020年各地类的转移更加剧烈。共有2.83万km²林地和水域转化为草地，同时草地向林地和水域转化的面积达1.65万km²，导致水域面积净增加0.20万km²，草地面积净减少3.27万km²，且这一转换主要集中在Ⅰ区和Ⅱ区交界地带（图2）。整体来看，2000—2020年各土地利用类型面积相对稳定，但林地、草地和水域发生了较为明显的转化，未利用地明显扩张，土地利用格局呈现出整体稳定而局部变化剧烈的特点。

3.2 景观格局演变

3.2.1 类型水平

图4反映出各土地利用类型中，草地的斑块密度（PD）最高，平均值为0.02，表明其空间分布最为破碎。2000—2020年林地和水域的PD呈下降趋势，草地和未利用地的PD则有所上升，建设用地的PD呈先增后降态势，耕地PD变化不明显。这一趋势反映出各类用地均受到不同程度的干扰，区域土地利用格局趋于复杂化。

从最大斑块面积指数（LPI）来看，林地和草地始终占据主导地位，平均值分别为21.83，28.21。草地LPI先降后升，反映出其景观格局经历了从破碎化向整体整合的转变过程；耕地LPI持续上升，从2000年的0.20增加到2020年的0.24，表明其斑块结构趋于集中和连片化。

在聚集度指数（AI）方面，林地、草地和水域表现出较高的空间聚集性，多年均值分别高达95.84，95.35，93.04；而耕地、建设用地和未利用地分布较为分散，这与区域海拔差异显著及人类活动集中于低海拔地带密切相关。

表5中草地、耕地和未利用地的斑块平均分形维数（FRAC_MN）相对稳定，而林地的FRAC_MN在20年间提升了0.003 5，水域则下降0.003 4，反映出其斑块形状趋于复杂，可能与水域向林地的转化过程有关。未利用地的FRAC_MN先大幅下降而后大幅上升，结合LPI变化，说明在人为干扰影响下，其斑块形状经历了从规整到复杂的动态过程。

斑块凝聚力指数（COHESION）表明，除建设用地外，其他地类均具有较高的景观连通性，整体景观结构较为完整，表明西南高山峡谷区景观连通性总体良好，有助于生态系统管理和生态保护规划的实施。

3.2.2 景观水平

从景观水平来看，2000—2020年研究区景观格局呈现破碎化、多样化的演变趋势。景观分离度指数（DIVISION）持续上升，从0.81增至0.88，同时蔓延度指数（CONTAG）不断下降，从63.43降至58.24。这表明景观斑块之间的空间距离增大，连通性减弱，原有优势景观类型的主导地位逐步降低，整体空间分布趋于分散，斑块聚集程度明显下降。

同期，香农多样性指数（SHDI）与香农均匀度指数（SHEI）均呈上升态势，分别由2000年的1.08，0.60上升至2020年的1.24，0.69。这一变化进一步说明，景观类型结构正向多样化、均衡化方向发展，主要斑块类型的优势度减弱，各类斑块在空间分布上更加均匀。

3.3 景观生态风险格局变化

3.3.1 景观生态风险水平时空演变

西南高山峡谷区景观生态风险表现出显著的空间异质性，总体表现为从西北向东南逐步递增的趋势，且景观生态风险水平略有上升（图5）。2000—2020年高风险区面积较为稳定，但较高风险区和中等风险区面积均呈增加趋势，占比从2000年的33.32%增加到39.59%；较低风险区面积占比从2000年的18.62%降低至2010年的16.67%，后又升高至2020年的19.17%；低风险区面积由2000年的23.81%降至2020年的10.32%（图6）。上述变化表明，在气候变化与人类活动加剧的背景下，区域景观生态风险整体呈上升态势。

从各个分区来看，藏东南高寒高山峡谷生态维护区（Ⅰ区）与藏东—川西高山峡谷生态维护水源涵养区（Ⅱ区）交界地带是20年来景观生态风险变化最剧烈的区域。具体来看，Ⅰ区和Ⅱ区较高和中等风险等级面积合计增加了4.60万km²，增幅达44.52%；而低风险区面积减少了8.24万km²，降幅为35.73%。滇北—川西南高山峡谷蓄水保土区（Ⅲ区）和滇西北高山峡谷生态维护区（Ⅳ区）景观生态风险一直维持在较高水平，较高风险等级面积占该区面积的比例平均高达82.53%和78.64%。

3.3.2 景观生态风险水平空间自相关分析

西南高山峡谷区2000年、2010年、2020年全局自相关指数分别为0.654，0.643，0.606，均呈正值，且通过了显著性水平p<0.01的检验，表明景观生态风险在空间上存在显著的聚集分布特征。局部自相关（Local Indicators of Spatial Association， LISA）分析进一步表明，研究区景观生态风险表现为“高—高”聚集和“低—低”聚集并存的格局。其中，“高—高”聚集区主要集中在滇北—川西南高山峡谷蓄水保土区（Ⅲ区）和滇西北高山峡谷生态维护区（Ⅳ区）南部边界地带，而“低—低”聚集区则分布在藏东—川西高山峡谷生态维护水源涵养区（Ⅱ区）（图7）。

4 讨 论

4.1 景观生态风险变化的原因解析

2000—2020年西南高山峡谷区景观生态风险水平有所增加，这与区域景观格局的破碎化加剧和多样化发展密切相关。景观格局分析表明，研究区景观分离度指数（DIVISION）从2000年的0.81增至2020年的0.88，蔓延度指数（CONTAG）从63.43降至58.24，反映出斑块间隔增大、景观连通性减弱、破碎化加剧。上述景观格局的变化，本质是由土地利用结构及其空间配置的转变所驱动。作为区域优势地类，草地面积在2000—2020年减少4.05万km²，同时，未利用地和建设用地在过去20年间分别扩张了2.04倍和2.83倍。这些变化导致原有连片的自然生境被分割成更小、更孤立的斑块，引发显著的边缘效应，加剧斑块内部环境受外部干扰（如人类活动、气候变化）的影响，同时阻碍了物种、基因和能量在不同斑块间的流动，切断了关键的生态廊道，从而削弱了生态系统的连通性和抵抗力。许静^［23］、于目良^［24］和Chen^［25］等在其他区域的研究同样表明，草地减少和建设用地扩张会加剧生态风险。另一方面，研究区香农多样性指数（SHDI）与均匀度指数（SHEI）分别由2000年的1.08，0.60升至2020年的1.24，0.69，这意味着景观类型更趋多样化，即自然优势地类（如林地、草地）的主导地位减弱，而人为干扰地类（如未利用地和建设用地）占比上升。在生态脆弱的西南高山峡谷区，该变化主要源于基础设施建设、土地垦殖等人为活动对自然植被的侵占，造成土地利用类型构成更加复杂和交错。这种人为驱动下的“多样化”，实为生态系统从稳态向失稳转变的表征，进一步加剧了区域景观生态风险。

整体而言，景观破碎化与多样化共同构成了“自然基底退化”与“人为干扰加剧”的双重压力，在气候变化与人类活动叠加影响下，更易引发水土流失、生境退化等连锁生态问题，最终导致景观生态风险水平整体攀升。本研究结果与郭兰博等^［26］在西南地区及呼伦贝尔的研究结果较为吻合，即景观破碎化与人类扰动共同驱动景观生态风险上升。但与王锦宇等^［27］在喀斯特断陷盆地的发现有所不同，王锦宇等^［27］指出在研究初期，地形因子对景观生态风险的影响更强，后期人类活动逐步成为主导因素。以上结果反映出不同地理背景下景观生态风险的驱动机制存在显著差异。

4.2 景观生态风险的空间异质性

研究表明，西南高山峡谷区景观生态风险水平存在显著的空间异质性。其中，藏东南高寒高山峡谷生态维护区（Ⅰ区）与藏东—川西高山峡谷生态维护水源涵养区（Ⅱ区）的景观生态风险水平较低，但较高和中等风险等级面积增幅达44.52%，低风险区面积则减少35.73%，成为景观生态风险上升较明显的区域，尤以Ⅰ区为甚。这一变化主要源于该区域独特的自然地理条件与人类活动的叠加影响。Ⅰ区和Ⅱ区广泛分布于海拔3 500 m以上的高山带，生态系统对气候变化的响应极为敏感。根据IPCC第六次评估报告，过去百年全球地表温度上升约1 ℃，加剧了山地冰川的消融进程。据统计，西南高山峡谷区冰川面积达3.07万km²，20年间水域和裸地面积分别增加了73.27 km²和2 380.88 km²。冰川消融后暴露出大量裸岩、砾石地及冲洪积扇，原有的冰雪覆盖或稳定寒漠生态系统被不稳定的裸地取代，其植被覆盖度与土壤养分保持能力几乎丧失，导致生境支持功能急剧下降。同时，裸露地表失去了冰川的固结保护与原有高寒植被的根系锚固作用，在冰川融水冲刷下，更易发生侵蚀与滑坡，进一步破坏周边生态系统的稳定性^［28］。上述过程共同削弱了区域生态系统的结构完整性与自我恢复能力，最终表现为景观生态风险水平的显著上升。此外，川藏铁路及水电工程开发等重大工程建设会产生大量裸露边坡和弃土弃渣场，这些人为创面在雨季更易诱发沟蚀、崩岗甚至滑坡，成为剧烈侵蚀的潜在策源地，进一步引发连锁性生态退化，从而推升区域景观生态风险水平。建议未来建立长期的动态监测预警体系，并严格管控人类活动以降低生态扰动，从而遏制Ⅰ区与Ⅱ区景观生态风险持续上升。

相比之下，滇北—川西南高山峡谷蓄水保土区（Ⅲ区）和滇西北高山峡谷生态维护区（Ⅳ区）景观生态风险虽长期处于较高水平，但态势相对稳定。该区域主要分布于海拔3 500 m以下的中低山河谷带，人口聚集程度高且人类活动强度大。研究结果显示，整个区域耕地和建设用地的扩张中，分别有79.52%和45.64%分布在滇北—川西南高山峡谷蓄水保土区（Ⅲ区）和滇西北高山峡谷生态维护区（Ⅳ区）。尽管这两个区域人类活动频繁，但景观生态风险并未增加，这主要得益于近20年来生态修复工程的持续推进。滇西北和川西南实施的国家退耕还林还草工程有效治理了大量坡耕地和退化草地^［29］，缓解了农业与建设活动带来的生态压力。同时，金沙江、澜沧江流域实施的水土保持工程^［30］（如修建梯田、治理沟谷和营造水源涵养林）有效提升了地表植被覆盖与土壤稳定性，从而增强了生态系统的调节与服务功能，对降低区域景观生态风险产生了积极作用。这些措施共同作用，一定程度上抵消了城镇化与人口增长带来的潜在生态扰动，维持了人类活动密集区景观生态风险的动态平衡。然而，考虑到滇北—川西南高山峡谷蓄水保土区和滇西北生态维护区生态本底仍较脆弱，且面临高强度开发压力，未来仍需将其作为生态保护与修复的重点区域，持续巩固已有工程成效，优化区域土地利用结构，防范生态风险反弹。

5 结 论

（1） 2000—2020年林地和草地始终为研究区优势地类，合计面积占比超过81%。土地利用变化表现为总体稳定但局部剧烈的特点，其中未利用地的增加与建设用地的扩张以及草地的缩减较为明显。

（2） 研究区景观多样性与均匀度呈上升趋势，整体连通性维持较好，但景观破碎化问题加剧，其中草地的破碎化趋势最为突出。

（3） 研究区景观生态风险水平有所上升且空间集聚性明显。其中，藏东南高寒高山峡谷生态维护区（Ⅰ区）景观生态风险水平虽相对较低，但上升幅度最为明显，滇北—川西南高山峡谷蓄水保土区（Ⅲ区）和滇西北高山峡谷生态维护区（Ⅳ区）景观生态风险长期居高但态势相对稳定。

参考文献

[1] 陈朝阳，石淞，李文.基于生态风险评价的黑龙江省生态安全格局构建［J］.水土保持学报，2026，40（1）：414-425.

[2] Chen Z Y， Shi S， Li W. Construction of ecological security pattern in Heilongjiang Province based on ecological risk assessment［J］. Journal of Soil and Water Conservation， 2026，40（1）：414-425.

[3] 罗芹芹，刘凤莲，朱柯权，等.赤水河流域（贵州段）景观生态风险时空分异及空间自相关分析［J］.水土保持研究，2025，32（3）：282-290.

[4] Luo Q Q， Liu F L， Zhu K Q， et al. Spatiotemporal differentiation and spatial autocorrelation analysis of landscape ecological risk in the Chishui River Basin（Guizhou section）［J］. Research of Soil and Water Conservation， 2025，32（3）：282-290.

[5] 王成，夏宇，苏强，等.基于土地利用变化的皖江流域景观生态风险评价与模拟预测研究［J］.长江流域资源与环境，2026，35（2）：455-468.

[6] Wang C， Xia Y， Su Q， et al. Landscape Ecological Risk Assessment and Simulation Prediction in the Wanjiang River Basin based on Land Use Change［J］. Resources and Environment in the Yangtze Basin， 2026，35（2）：455-468.

[7] 邓楚雄，龚雅菁，张光杰，等.基于景观生态风险评价的湘江流域生态安全格局构建［J］.水土保持通报，2024，44（3）：145-158.

[8] Deng C X， Gong Y J， Zhang G J， et al. Construction of an ecological security pattern in Xiangjiang River Basin based on landscape ecological risk assessment［J］. Bulletin of Soil and Water Conservation， 2024，44（3）：145-158.

[9] Lu W W， Xu C， Wu J， et al. Ecological effect assessment based on the DPSIR model of a polluted urban river during restoration： a case study of the Nanfei River， China［J］. Ecological Indicators， 2019，96：146-152.

[10] 孙桐，雷冬梅，刘林，等.基于最小累计阻力模型和情景模拟法的滇池流域最小生态用地量化对比研究［J］.生态学报，2024，44（20）：9135-9145.

[11] Sun T， Lei D M， Liu L， et al. Comparative study on the minimum ecological land quantification in Dianchi Lake Basin based on MCR model and scenario simulation method［J］. Acta Ecologica Sinica， 2024，44（20）：9135-9145.

[12] 贾媛媛，李维德.基于生态足迹模型的海西州可持续发展评价［J］.生态科学，2024，43（03）：94-103.

[13] Jia Y Y， Li W D. Evaluation of sustainable development of Haixi Prefecture based on ecological footprint model［J］， Ecological Science， 2024，43（03）：94-103.

[14] Wen J F， Hou K. Research on the progress of regional ecological security evaluation and optimization of its common limitations［J］. Ecological Indicators， 2021，127：107797.

[15] 王晓峰，朱梦娜，张欣蓉，等.基于“源地-阻力-廊道”的三江源区生态安全格局构建［J］.生态学报，2024，44（11）：4609-4623.

[16] Wang X F， Zhu M N， Zhang X R， et al. Ecological security pattern construction of the Three-river Source Region based on Source-Resistance-Corridor［J］. Acta Ecologica Sinica， 2024，44（11）：4609-4623.

[17] 孟海燕，董祚继.新疆典型山地-绿洲-荒漠区域生态安全格局构建：以哈密市为例［J］.资源科学，2025，47（12）：2724-2739.

[18] Meng H Y， Dong Z J. Constructing ecological security pattern of typical mountain-oasis-desert region in Xinjiang： a case study of Hami City［J］. Resources Science， 2025，47（12）：2724-2739.

[19] 丁琳，黄婷婷，秦伟，等.西南高山峡谷区土壤侵蚀空间分异特征［J］.泥沙研究，2023，48（6）：51-58，66.

[20] Ding L， Huang T T， Qin W， et al. Spatial variation of soil erosion in Southwest Alpine Canyon Area［J］. Journal of Sediment Research， 2023，48（6）：51-58，66.

[21] 程陆陆，兰梦瑶，关颖慧，等.西南高山峡谷区景观格局变化及其对土壤侵蚀的影响［J］.生态学报，2025，45（24）：12416-12432.

[22] Cheng L L， Lan M Y， Guan Y H， et al. Landscape pattern changes and their impacts on soil erosion in the Southwest Alpine Canyon Area of China［J］. Acta Ecologica Sinica， 2025，45（24）：12416-12432.

[23] 邹璐，周洪，阎建忠.西南高山峡谷区作物-牲畜系统的垂直地带性变化特征及其影响因素研究［J］.地理研究，2025，44（8）：2267-2284.

[24] Zou L， Zhou H， Yan J Z. Vertical zonality variation characteristics and its influencing factors of crop-livestock system in Alpine Canyon Area of Southwest China［J］. Geographical Research， 2025，44（8）：2267-2284.

[25] 周金星，关颖慧，汪亚峰，等.西南高山峡谷区水土流失综合防治技术与示范［J］.生态学报，2024，44（18）：7937-7943.

[26] Zhou J X， Guan Y H， Wang Y F， et al. Technology and demonstration of comprehensive control of soil and water loss in Southwest Alpine Gorge area［J］. Acta Ecologica Sinica， 2024，44（18）：7937-7943.

[27] 刘静，项嘉仪，张东海，等.基于多源地理数据的西南高山峡谷区生态系统服务评估及权衡与协同关系［J］.水土保持学报，2024，38（6）：214-223.

[28] Liu J， Xiang J Y， Zhang D H， et al. Evaluation of ecosystem services and tradeoff and synergy in the Alpine and Canyon Region of Southwest China based on multi-source geographic data［J］. Journal of Soil and Water Conservation， 2024，38（6）：214-223.

[29] 赖金林，齐实，崔冉冉，等.西南高山峡谷区植被变化及影响因素分析［J］.环境科学，2023，44（12）：6833-6846.

[30] Lai J L， Qi S， Cui R R， et al. Analysis of vegetation change and influencing factors in southwest Alpine canyon area［J］. Environmental Science， 2023，44（12）：6833-6846.

[31] Lai J L， Zhao T H， Qi S. Spatiotemporal variation in vegetation and its driving mechanisms in the southwest Alpine canyon area of China［J］. Forests， 2023，14（12）：2357.

[32] 王芳，李婧，王建，等.成渝经济区多情景模拟土地利用变化及其对碳储量的影响［J］.环境科学，2025，46（9）：5718-5728.

[33] Wang F， Li J， Wang J， et al. Multi-scenario simulation of land use change in Chengyu Economic Zone and its influence on carbon reserves［J］. Environmental Science， 2025，46（9）：5718-5728.

[34] 张百婷，李宗省，冯起，等.基于土地利用变化的祁连山地区生态系统服务价值演化分析［J］.生态学报，2024，44（10）：4187-4202.

[35] Zhang B T， Li Z S， Feng Q， et al. Evolution of ecosystem service values in Qilian Mountains based on land-use change from 1990 to 2020［J］. Acta Ecologica Sinica， 2024，44（10）：4187-4202.

[36] 张乐，雷金睿，陈宗铸，等.海南岛三大流域景观生态风险时空演变及其驱动因素［J］.生态学报，2025，45（4）：1646-1658.

[37] Zhang L， Lei J R， Chen Z Z， et al. Spatiotemporal evolution characteristics and influencing factors of landscape ecological risk in the three major river basins of Hainan Island， China［J］. Acta Ecologica Sinica， 2025，45（4）：1646-1658.

[38] 程研，关颖慧，吴秀芹.基于土地利用变化的喀斯特断陷盆地景观格局演变与生态安全评价［J］.生态学报，2023，43（22）：9471-9485.

[39] Cheng Y， Guan Y H， Wu X Q. The spatial and temporal evolution of landscape pattern and landscape ecological security assessment in Karst Fault Basin based on land use change［J］. Acta Ecologica Sinica， 2023，43（22）：9471-9485.

[40] Anselin L. Local indicators of spatial association： LISA［J］. Geographical Analysis， 1995，27（2）：93-115.

[41] 许静，廖星凯.黄河流域甘肃段生态风险时空分异及驱动力分析［J］.生态科学，2025，44（3）：124-134.

[42] Xu J， Liao X K. Temporal and spatial differentiation and driving force of ecological risk in Gansu section of the Yellow River Basin［J］. Ecological Science， 2025，44（3）：124-134.

[43] 于目良，刘悦俊，张燕杰.青藏高原未来土地利用变化与景观生态风险多情景预测［J］.长江流域资源与环境，2024，33（10）：2204-2218.

[44] Yu M L， Liu Y J， Zhang Y J. Multi-scenario prediction of future land use change and landscape ecological risk on the Qingzang Plateau［J］. Resources and Environment in the Yangtze Basin， 2024，33（10）：2204-2218.

[45] Chen H， Chen H X， Huang X Y， et al. Landscape ecological risk assessment and driving factor analysis in southwest China［J］. Scientific Reports， 2024，14：23208.

[46] 下转第页

[47] 郭兰博，赵冬，杨嗣海，等.豫西南地区土地利用景观生态风险分析及预测［J］.环境生态学，2024，6（11）：11-18.

[48] Guo L B， Zhao D， Yang S H， et al. Analysis and prediction of landscape ecological risk of land use in southwest Henan Province［J］. Environmental Ecology， 2024，6（11）：11-18.

[49] 王锦宇，关颖慧，吴秀芹.喀斯特断陷盆地景观生态风险演变及其地形分异［J］.生态学报，2023，43（19）：8167-8180.

[50] Wang J Y， Guan Y H， Wu X Q. Evolution of landscape ecological risk and its topographic differentiation in Karst Fault Basin［J］. Acta Ecologica Sinica， 2023，43（19）：8167-8180.

[51] Zhang G S， Wu B F， Ying L X， et al. Climate warming-driven expansion and retreat of Alpine scree in the third pole over the past 45 years［J］. Remote Sensing， 2025，17（15）：2611.

[52] 郑国强，李润杰，罗静，等.新时期青藏高原生态保护修复策略路径：以青海省为例［J］.自然资源学报，2024，39（12）：2783-2797.

[53] Zheng G Q， Li R J， Luo J， et al. Study on ecological protection and restoration strategies of Qinghai-Tibet Plateau in the New Era： take Qinghai Province as an example［J］. Journal of Natural Resources， 2024，39（12）：2783-2797.

[54] 崔志伟，李鹏，马建业，等.三江源区土壤侵蚀野外调查报告［J］.水土保持通报，2024，44（6）：106-117.

[55] Cui Z W， Li P， Ma J Y， et al. Report on field survey of soil erosion in three-river-source region［J］. Bulletin of Soil and Water Conservation， 2024，44（6）：106-117.

基金资助

国家重点研发计划项目(2022YFF1302905)

国家重点研发计划项目(2022YFF1302900)

北京林业大学“5 · 5工程”科研创新团队项目(BLRC2023B09)