“三生”空间视角下流域景观生态风险演变及归因探测

The Evolution and Attribution Detection of Landscape Ecological Risk in the River Basin from the Perspective of “Three Lives” Space

摘要: 科学评估漓江流域景观生态风险，可为流域生态系统管理和可持续发展提供理论依据。本文以漓江流域2000~2020年3期土地利用数据为基础，应用景观格局指数和地理探测器模型方法，定量分析“三生”空间视角下漓江流域景观格局与生态风险的时空演变，以及其背后的驱动因素。结果表明：(1) 2000~2020年，漓江流域城乡生活空间向外扩张，占据更多的农业生产空间和林地生态空间；林地生态空间和农业生产空间为优势景观，仍占主导位置，整体景观破碎化变化较小，景观连通性和聚集性呈增长趋势。(2) 研究期间，漓江流域景观生态风险整体较低，空间差异显著，呈中部较高，四周较低的空间分布格局；20年来，漓江流域景观生态风险呈下降趋势，低生态风险区扩张，高生态风险区缩小；高生态风险多集中分布于水域生态空间地区，低生态风险在林地生态空间地区呈优势分布。(3) 年均降水量和人口密度是对漓江流域景观生态风险影响最大的因子。多因子交互作用的研究结果表明，所有因子的交互作用都是协同增强。总的来说，漓江流域的景观生态风险整体上呈下降趋势，其时空演变受地形、降水量和人类活动的影响较大，且相对平缓。

Abstract: The management of the ecological system and sustainable development of the Lijiang River Basin by scientifically evaluating the landscape ecological risk. Based on the land use data from 2000 to 2020 in the Lijiang River Basin, landscape pattern indices and the geographic detector model were used to quantitatively analyze the spatiotemporal characteristics of landscape pattern and ecological risk in the “three-life” space, as well as the underlying driving factors. The results indicate that: (1) From 2000 to 2020, the urban and rural living space in the Lijiang River Basin expanded outward, occupying more agricultural production space and forest ecological space. Forest ecological space and agricultural production space are dominant landscapes and still occupy a leading position. Overall landscape fragmentation has changed slightly, and landscape connectivity and aggregation show an increasing trend. (2) Over the study period, the overall landscape ecological risk in the Lijiang River Basin is relatively low, with significant spatial differences. The distribution pattern is relatively high in the middle and low around the periphery. Over the 20 years, the landscape ecological risk in the Lijiang River Basin has been decreasing, with an expansion of low ecological risk areas and a reduction of high ecological risk areas. High ecological risk is mainly concentrated in the aquatic ecological space area, while low ecological risk predominates in the forest ecological space area. (3) The average annual precipitation and population density are the most influential indicators on the landscape ecological risk in the Lijiang River Basin. The results of the study on the interaction of multiple factors show that the interaction of all factors is mutually reinforcing. In conclusion, the overall landscape ecological risk in the Lijiang River Basin shows a decreasing trend. The spatiotemporal variation is greatly influenced by topography, precipitation, and human activities, and relatively slow.

1. 引言

生态风险是指自然因素或人类活动对生态系统造成的潜在威胁和危害[1]。生态风险评价是度量区域和景观尺度生态可持续性的有效途径，为环境保护和可持续发展提供科学依据[2]。景观生态风险作为生态风险评价的重要分支，涉及人类活动或自然因素对景观格局和生态过程而导致的不利影响[3]。选用景观破碎度、干扰度、分离度等指标综合评价景观生态风险(ERI)，能够直观反映自然和人类活动影响下的区域和景观生态风险格局，对降低区域生态风险和提升自然资源管理至关重要[4]，近年来深受国内外学者的关注。

以往研究主要分析了区域景观生态风险及其变化，如田雅楠等[5]识别了黄河流域内蒙古段景观生态风险；辛亮等[6]评价了宁静区生态风险时空演变分析；康紫薇等[7]探讨了纳斯河流域景观生态风险演变。事实上，基于三生空间视角分析景观生态风险变化并找到背后的驱动因素，对地区国土空间规划和采取切实措施来保护生态环境至关重要。地理探测器是探测空间分异及揭示其背后影响因子的统计模型，它能度量空间分异，同时也能定量分析各驱动因素之间的相对重要性和各驱动因素交互作用对景观生态风险的影响[8] [9]。

漓江流域作为世界重要的旅游目的地，因其典型的喀斯特地貌而备受瞩目。然而，随着城镇化和旅游业的迅速发展，地区的国土空间发生变化，生态环境脆弱性随之增加[10]。近年来，学者多集中漓江流域景观风险的评价[11]-[13]，而缺乏对其驱动因素的进一步探讨。因此，本研究以漓江流域为研究区，基于2000、2010、2020年3期土地利用数据、景观格局指数和地理探测器模型，定量分析“三生”空间视角下漓江流域景观格局与生态风险的时空特征，并结合地理探测器方法分析景观生态风险变化的驱动因素，以期为流域国土综合治理、支持流域生态系统管理和可持续发展提供理论依据。

2. 漓江流域概况

漓江流域位于24˚38'10''N ~25˚53'59''N，110˚07'39''E ~110˚42'57''E，地处广西壮族自治区东北部，涉及桂林市6区6县1市(荔浦市、兴安县、灵川县、阳朔县、恭城县、平乐县、永福县、秀峰区、叠彩区、象山区、七星区、雁山区、临桂区)，面积17,442 km² (见图1)。东与湖南省、广西贺州市接壤，东北连桂林市灌阳县，西临柳州融安县，北连桂林龙胜、资源、全州三县，南靠广西梧州市。整体上，漓江流域地势北高南低，东西两侧高，中部低，年平均气温19.2℃，平均降雨量为1941.5 mm，植被覆盖度高，类型丰富多样。漓江流域与国家重点生态功能区–南岭山地及森林生物多样性生态功能区共同构成连片的桂北生态屏障，是“两屏三带”中“南方山地丘陵带”的重要组成部分，是典型的国家生态保护重点领域和禁止开发区域，是珠江水系重要的水源涵养地[14]。

注：该图基于标准地图服务网站官网下载的审图号为GS(2023)2767号的标准地图制作，底图无修改。

Figure 1. Administrative divisions of the Lijiang River Basin (Mapping License Number: GuiS(2017)63)

图1. 漓江流域行政区划(审图号：桂S(2017)63号)

3. 数据来源与处理

本文利用的2000、2010和2020年土地利用数据来源于中国科学院资源环境与数据中心 (https://www.resdc.cn/)，基于中科院LUCC遥感监测数据二级分类体系，建立漓江流域“三生”空间视角下景观类型与土地利用类型衔接表(表1)。经过ArcGIS10.7工具处理形成2000、2010、2020三年漓江流域景观格局现状图。GDP和人口密度(2000、2010年)、土壤类型、降水、气温和归一化植被指数(NDVI)数据(2000、2010、2020年)数据来自中国科学院资源环境与数据中心。GDP (2020年)、夜间灯光强度数据(2000、2010、2020年)来自国家青藏高原数据中心年(https://data.tpdc.ac.cn/zh-hans)。人口密度(2020年)数据来自WorldPop (https://www.worldpop.org/)。河流水系、道路网来自国家地球科学数据中心(http://www.geodata.cn/index.html)，分辨率为1 km，通过ArcGIS10.7欧式距离工具处理得到河流距离数据和到道路距离数据。

Table 1. Landscape classification under the perspective of “Three Lives” space [15]

表1. “三生”空间视角下景观分类[15]

空间类型	景观类型	土地利用类型
生产空间	农业生产空间	水田、旱地、水浇地
生活空间	城乡生活空间	工矿、交通用地、城镇用地、农村居民点用地、其他建设用地
生态空间	林地生态空间	有林地、灌木林地、疏林地、其他林地(苗圃及各类园地)
	牧草生态空间	高覆盖度草地、中覆盖度草地、低覆盖度草地
	水域生态空间	河渠、湖泊、水库坑塘、滩涂、滩地等、其他用地
	其他生态空间	沙地、盐碱地、沼泽地、裸土地、裸岩石质地、其他用地

4. 研究方法

4.1. 景观转移矩阵

景观转移矩阵是一种反映不同景观类型之间转换关系的方法，其可以定量地描述不同景观类型之间的相互转换情况[16]。景观转移矩阵通常以矩阵形式表示，具体形式如下：

$\text{S=}{\left({\text{S}}_{\text{ij}}\right)}_{\text{m}\times \text{m}}\text{=}\left[\begin{array}{ccc}{\text{S}}_{\text{11}}& \cdots & {\text{S}}_{\text{1m}}\\ ⋮& & ⋮\\ {\text{S}}_{\text{m1}}& \cdots & {\text{S}}_{\text{mm}}\end{array}\right]$ (1)

式中：m为景观类型数量；S_ij为第i类型转化为第j类型的面积。

4.2. 景观格局指数

研究从土地利用类型上选用斑块密度(PD)、最大斑块指数(LPI)、聚集度指数(AI)、散布与并列指数(IJI)、边缘密度(ED)指标研究漓江流域景观格局结构及其变化。以上景观格局指标采用美国俄勒冈立大学开发的Fragstats软件计算，指标的计算公式及其生态学意义参考相关文献[17]。

4.3. 景观生态风险评价

本研究从区域生态系统的景观结构出发，选取景观干扰度指数、脆弱度指数和损失度指数作为依据，构建综合生态风险指数，以分析流域景观生态风险的大小和变化趋势。

景观干扰度指数[18] ${\text{S}}_{\text{i}}$ ：

${\text{S}}_{\text{i}}={\text{aC}}_{\text{i}}+{\text{bN}}_{\text{i}}+{\text{cD}}_{\text{i}}$ (2)

其中，a、b、c分别为C、N和D的权重，且a + b + c = 1，采用层次分析法结合相关参考文献[19]确定a、b、c的值。AHP层次分析法确定各因子的权重步骤如下：1) 基于1~9标度法，通过a、b、c因子间两两重要性比较构建判断矩阵；2) 通过计算该矩阵的最大特征根及其对应的特征向量，并归一化后得到各因子的权重；3) 对判断矩阵进行一致性检验，当一致性比率CR小于0.1时则认为构建的判断矩阵A具有满意的一致性，否则需要重新构建判断矩阵。经计算a、b、c三个系数分别赋值为0.5、0.3和0.2。C为景观破碎度指数，N为景观分离度指数，D为景观优势度指数。

景观损失度指数[20] ${\text{R}}_{\text{i}}$ ：

${\text{R}}_{\text{i}}={\text{E}}_{\text{i}}\times {\text{F}}_{\text{i}}$ (3)

E_i为景观脆弱度指数，参考王鹏[21]等的赋值，将不同景观类型的脆弱性划分为6级，按照从高到低的顺序分别为：其他生态空间(6)、水域生态空间(5)、耕地生产空间(4)、牧草生态空间(3)、林地生态空间(2)、城乡生活空间(1)。经过归一化处理后，得到了各景观类型的脆弱度指数${\text{F}}_{\text{i}}$ 。

景观生态风险指数[22] ${\text{ERI}}_{\text{i}}$ ：

${\text{ERI}}_{\text{i}}={\displaystyle {\sum }_{\text{i}=\text{1}}^{\text{N}}\frac{{\text{A}}_{\text{ki}}}{{\text{A}}_{\text{k}}}}{\text{R}}_{\text{i}}$ (4)

式中，为第i个风险单元生态风险指数，A_ki为第k个风险单元第i类景观的面积，A_k为第k个风险单元的面积，R_i为第i类景观的景观损失度指数。

4.4. 地理探测器模型

地理探测器是一种统计方法，用于探究地理现象的空间分异，适用于点数据和面数据，但要对使用的面数据进行重分类和离散化处理。地理探测器由4部分组成：因子探测器、风险探测器、生态探测器和交互探测器[23]。研究采用因子探测器和交互探测器对漓江流域景观生态风险驱动因素进行了定量分析。

因子检测器用于检测因变量Y的空间分异性以及因子X对因变量Y空间分布的解释力，其大小可通过q值(0 ≤ Q ≤ 1) [24]。在研究中，如果影响因子的q值越接近1，该因子对景观生态风险的解释力就越强，反之亦然。

交互探测器(Interaction detector)，用于检测多个不同自变量X因子组合后的交互作用对于因变量Y的解释力是增加、减弱或不变。交互作用判定依据及解释见表2，q(X₁)和q(X₂)是自变量因子X₁和X₂分别对Y的解释能力[25]。通过交互探测器，可以检测不同因子两两交互时对景观生态风险空间分布的影响。

Table 2. Interaction modes of geographic detector

表2. 地理探测器交互作用方式

判据	交互作用
q(X1∩X2) < min[q(X1), q(X2)]	非线性减弱
min[q(X1), q(X2)] < q(X1∩X2) < max[q(X1), q(X2)]	单因子非线性减弱
q(X1∩X2) > max[q(X1), q(X2)]	双因子增强
q(X1∩X2) = q(X1) + q(X2)	独立
q(X1∩X2) > q(X1) + q(X2)	非线性增强

5. 结果与分析

5.1. 景观格局演化分析

“三生”空间视角下2000~2020年漓江流域景观演变如图2所示。从图2可知，研究期间，林地生态空间是漓江流域的优势景观类型，主要分布在猫儿山、都庞岭等大型山脉；牧草生态空间主要伴随林地生态空间分布在坡度大的山地和丘陵；耕地生产空间是流域第二大景观类型，主要分布在流域地势平坦、临近水系的地带；城乡生活空间主要分布在桂林六城区，灵川县、兴安县等县城区；水域生态空间主要是漓江水系和若干水库；其他生态空间面积占比较小。

Figure 2. Landscape pattern distribution in the Lijiang River Basin from 2000 to 2020

图2. 漓江流域2000~2020年景观格局分布

Table 3. Landscape area and changes in the Lijiang River Basin from 2000 to 2020

表3. 漓江流域2000~2020年景观面积及变化情况

景观类型	2000	2010	2020	2000~2010		2010~2020		2000~2020
农业生产空间	3639.97	3624.42	3546.89	−15.54	−0.43%	−77.53	−2.14%	−93.07	−2.56%
林地生态空间	11,509.10	11,518.91	11,465.96	9.81	0.09%	−52.95	−0.46%	−43.14	−0.37%
牧草生态空间	1759.24	1737.15	1722.69	−22.09	−1.26%	−14.46	−0.83%	−36.54	−2.08%
水域生态空间	182.60	191.34	208.82	8.73	4.78%	17.48	9.14%	26.21	14.36%
城乡生活空间	363.35	382.18	508.94	18.84	5.18%	126.75	33.17%	145.59	40.07%
其他生态空间	2.13	2.53	3.27	0.41	19.13%	0.73	28.99%	1.14	53.66%

为探究景观演化趋势，统计流域2000~2020年景观面积和变化情况(表3)。由表3可知，漓江流域的林地生态空间占比最大，始终维持在65%以上，农业生产空间和牧草生态空间次之，它们的面积占比分别约为20%和9%。林地生态空间、牧草生态空间和农业生产空间三种类型的空间面积占比94%以上，是漓江流域主要景观类型。研究期间，漓江流域的景观类型面积出现了显著变化，其中，城乡生活空间和水域生态空间的面积持续增加，分别增加了145.59 km²和26.21 km²，增幅分别为40.07%和14.36%。相比较，农业生产空间、牧草生态空间的面积呈现下降趋势，分别净减少了93.07 km²和36.54 km²，减幅分别为2.56%和2.08%。林地生态空间的面积在2000~2010年期间有所增加，但在2010年之后略有下降，总体上从2000年的11509.10 km²减少到2020年的11465.96 km²，减少了0.37%。其他生态空间面积从2000年的2.13 km²增加到2020年的3.27 km²，增加了1.14 km²，增幅达到了53.66%。

据表4漓江流域2000~2020年景观转移矩阵所示，2000~2020年，城乡生活空间是主要的转入者，转入面积达到156.61 km²，其中，其受林地生态空间和耕地生活生态空间转入93.31 km²和34.93 km²，约占总转入面积的81.88%。20a来，漓江流域城镇化进程加快，促使城乡生活空间向外扩张，占据更多的农业生产空间和林地生态空间。耕地生产空间是主要的转出者，总转出面积达到146.99 km²，其中有85.31%的面积转化为林地生态空间和城乡生活空间；牧草生态空间主要转换为林地生态空间和城乡生活空间，转出面积分别达到33.00 km²和27.40 km²，各占转出总面积的44.95%和37.32%，可能受城镇化和“退耕还林还草”政策的影响。因面积较小，其他生态空间的转化情况不明显。

Table 4. Landscape transition matrix of Lijiang River Basin from 2000 to 2020

表4. 漓江流域2000~2020年景观转移矩阵

土地利用	农业生产空间	林地生态空间	牧草生态空间	水域生态空间	城乡生活空间	其他生态空间	总计
农业生产空间	3492.85	35.66	8.37	2.52	7.37	0.00	3546.78
林地生态空间	32.08	11,394.55	33.00	1.91	1.84	0.03	11,463.42
牧草生态空间	7.57	27.86	1685.07	0.77	0.91	0.00	1722.17
水域生态空间	13.87	12.97	4.64	176.41	0.90	0.00	208.80
城乡生活空间	93.31	34.93	27.40	0.98	352.32	0.00	508.93
其他生态空间	0.16	1.00	0.01	0.00	0.00	2.10	3.27
总计	3639.85	11,506.96	1758.48	182.60	363.35	2.13	17,453.36

5.2. 景观格局指数变化

漓江流域2000~2020年“三生”空间类型水平的景观格局指数变化见表5。2000~2020年林地生态空间和农业生产空间LPI明显高于其他类型，表明它们是漓江流域的基质景观，林地生态空间LPI值增加，农业生产空间LPI值先增加后减小，总体呈现减小趋势，优势度仍然占主导位置。城乡生活空间优势度逐渐增大，但总体值较小，其他生态空间优势度最低。分析破碎化程度，各类型的PD较小，但农业生产空间、林地生态空间和牧草生态空间ED较大，说明三者斑块边界复杂，破碎化程度较高，多年来，PD和ED值变化幅度小，说明景观破碎化程度变化不大。水域生态空间、城乡生活空间和其他生态空间PD和ED值普遍偏小且变化幅度小，其原因可能是该类型呈聚团状发展，其中，城乡生活空间虽小体呈聚团状发展，但是城镇内部有道路，景观较为破碎，并且破碎程度呈增长趋势。

农业生产空间、林地生态空间、牧草生态空间、水域生态空间IJI值较大，表明连通性高。其中水域生态空间由于分布状况，本身具有很强的连通性；牧草生态空间多连片分布在坡度大的山地和丘陵，农业生产空间主要分布于平原区，其连通性也较高，林地生态空间则由于主要沿高山、丘陵分布，也具有较好的连通性。城乡生活空间和其他生态空间的连通性逐渐增大，城乡生活空间逐年显著增长，其原因是城市扩张，与之对应的AI值也呈现出逐渐增大的趋势，表明其聚集度高，也间接映射了城镇扩张的趋势。水域生态空间的AI值较小，因其沿线状分布，较为离散，农业生产空间、林地生态空间、牧草生态空间相对集中，其分布主要受地形地貌、气候以及人类活动影响，有较为明显的聚集。

Table 5. Changes in landscape pattern indices at the “Three Lives” spatial level in the Lijiang River Basin from 2000 to 2020

表5. 漓江流域2000~2020年“三生”空间类型水平的景观格局指数变化

景观格局指数	年份	农业生产空间	林地生态空间	牧草生态空间	水域生态空间	城乡生活空间	其他生态空间
PD	2000	0.14	0.10	0.15	0.05	0.20	0.00
	2010	0.14	0.10	0.15	0.05	0.19	0.00
	2020	0.15	0.11	0.16	0.05	0.19	0.00
LPI	2000	5.46	30.92	0.50	0.16	0.39	0.01
	2010	6.35	31.02	0.49	0.15	0.42	0.01
	2020	4.53	31.07	0.45	0.16	0.66	0.01
ED	2000	15.50	17.01	8.38	1.72	2.69	0.01
	2010	15.62	17.14	8.39	1.78	2.75	0.01
	2020	15.58	17.36	8.42	1.88	3.17	0.02
IJI	2000	61.21	55.27	47.70	68.42	50.61	27.78
	2010	61.24	61.24	55.54	48.15	69.14	51.39
	2020	61.73	61.73	58.37	49.39	69.83	56.39
AI	2000	81.52	93.45	79.00	59.33	67.95	85.57
	2010	81.29	93.41	78.73	59.83	68.92	81.78
	2020	80.95	93.29	78.48	61.01	73.11	80.39

5.3. 景观生态风险时空分异

参考前人研究成果[26]，利用自然断点法将景观生态风险划分为5个等级。其中低风险区：ESI ≤ 0.022；较低风险区：0.022 < ESI ≤ 0.051；中等风险区：0.022 < ESI ≤ 0.051；较高风险区：0.051 < ESI ≤ 0.139；高风险区：ESI > 0.572。由图3可知，漓江流域2000、2010和2020年景观生态风险等级的空间分布特征较为相似，总体呈中部高四周低的分布特征，与景观格局布局有一定的联系。中部地区景观生态风险水平较高，主要是由于地形相对平坦，水源充足，人口密度高，容易被干扰。

为了更深入研究漓江流域各生态风险区的面积增减情况，我们对不同时间段各等级风险区的面积和比例进行了计算(如图3、图4所示)。研究期间，漓江流域各生态风险等级的面积变化较大，低、较低风险区占据主导地位，共占总面积的95%以上，而较高和高风险区的面积比例较小，不到1%。从时间角度来看，研究期间，低风险区的面积比例呈明显的增加趋势，2000~2020年期间共增加了316.75 km²，面积占比从47.91%增加到49.73%。较低、中等和较高风险区的比例则呈不同程度的减少趋势，三个风险区占总面积比例从52.07%下降到50.26%。从空间角度来看，高生态风险区主要集中分布在水域生态空间地区，而低生态风险区、较低风险区则分别在林地生态空间、农业生态空间地区呈现优势分布。研究期间，以水域生态空间和城乡生活空间为主的区域的风险水平降低，导致漓江流域整体景观生态风险降低，且相对平缓。

Figure 3. Statistical area and proportion of landscape ecological risk levels in the Lijiang River Basin

图3. 漓江流域景观生态风险等级面积统计及占比图

Figure 4. Spatial distribution of landscape ecological risk levels in the Lijiang River Basin from 2000 to 2020

图4. 漓江流域2000~2020年景观生态风险等级空间分布

为进一步研究各生态风险等级之间的转换情况，计算得到漓江流域生态风险等级转移矩阵(表6)。从表6可以看出，2000~2020年，漓江流域低风险区向低风险区转移面积最大，面积达到419.75 km²，此外，低风险区、中等风险区向低风险区转移的面积也较多。低风险区受其它风险地区转入，逐渐扩张，扩张面积为529.50 km²；较低、中等、较高、高风险地区也有来自其他风险区的转入，但是其转出面积相比较更多，所以所占的比重有所降低。研究期间，生态风险降低的区域面积为733.00 km²，而生态风险升高的区域面积为488.00 km²，说明生态风险降低的趋势更明显，漓江流域整体景观生态风险在2000~2020年期间呈现改善的趋势。

Table 6. Transition matrix of ecological risk levels in the Lijiang River Basin from 2000 to 2020

表6. 漓江流域2000~2020年生态风险等级转移矩阵

生态风险等级	低风险区	较低风险区	中等风险区	较高风险区	高风险区	总计
低风险区	8148.75	419.75	86.50	23.00	0.25	8678.25
较低风险区	206.00	7925.25	190.25	4.75	0.00	8326.25
中等风险区	4.00	28.00	385.00	8.25	0.00	425.25
较高风险区	2.25	1.50	2.75	12.75	0.25	19.50
高风险区	0.50	0.00	0.00	0.00	1.75	2.25
总计	8361.50	8374.50	664.50	48.75	2.25	17451.50

5.4. 景观生态风险时空分异驱动力分析

漓江流域作为中国南方典型的喀斯特地貌区和重要生态安全屏障，其景观格局与生态风险的时空演变是自然因素与人类活动复杂交互作用的结果。使用地理探测器探索不同因素对生态风险的影响程度及因素之间交互作用。从自然、可达性和社会经济方面选取驱动因素，包括年均降水量(X1)、人口密度(X2)、到道路距离(X3)、DEM (X4)、GDP (X5)、NDVI (X6)、到河流距离(X7)、年均气温(X8)、夜间灯光强度(X9)、坡度(X10)、土壤类型(X11) (图5)。在地理探测器中，输入变量X应为类别数据，根据王劲峰等[27]人提出的方法，对连续型变量进行离散化处理。土壤类型参照《1:100万中华人民共和国土壤图》分类[28]；其它因素将采用自然断点分级法进行分级。接着，创建渔网，对自变量和因变量栅格数据进行空间整合，选择渔网中心点作为地理探测器模型的样本点，去除异常点，最终得到有效样本。最后，使用ArcGIS 10.7软件中的按点提取多个值功能，提取样本点自变量和因变量的值，并输入到地理探测器模型中进行因子探测，以得到各因素对RSI的解释程度(见表7)。

Figure 5. Spatial distribution of driving factors in 2020

图5. 2020年驱动因素的空间分布

Table 7. Results of driving factor detection

表7. 驱动因子探测结果

年份	X1	X2	X3	X4	X5	X6	X7	X8	X9	X10	X11
2000	0.92	0.92	0.84	0.95	0.88	0.61	0.38	0.81	0.35	0.56	0.90
2010	0.96	0.97	0.87	0.97	0.86	0.63	0.40	0.88	0.50	0.58	0.87
2020	0.84	0.72	0.88	0.95	0.92	0.66	0.39	0.81	0.61	0.56	0.85

Figure 6. Driving factor detection results diagram

图6. 驱动因素探测结果图

所有驱动因子的显著性检验p值均1%水平上显著相关，表明所选因子均对漓江流域景观生态风险的空间分布具有显著影响。2000~2020年q值排名第一依次为年均降水量和人口密度(0.92)、人口密度和DEM (0.97)、DEM (0.95)。其次，到道路距离、GDP、年均气温和土壤类型对四个因子对漓江流域景观生态风险的影响力明显高于其余因子。除此之外，流域景观生态风险受NDVI因子的影响也较大；2000、2010年夜间灯光强度对景观生态风险的影响较小，但2020年，夜间灯光强度对景观生态风险的影响有所增加，表明社会经济因素加强了对区域景观生态风险的影响(图6)。

为进一步分析各因素之间的相互作用对漓江流域景观生态风险的影响程度，使用交互因子探测器进行因素间的交互作用分析(见图7)。根据图7所示，任意两个因素之间的交互影响都大于单个因素的影响。这表明，漓江流域景观生态风险不仅仅受单一因素影响，而是自然、可达性和社会经济因素相互作用的结果。年均降水量和人口密度作为单因素探测中的主导因素，与其他因素进行交互探测的结果显示，解释能力均大于0.9，仍然对漓江流域景观生态风险发挥着主导作用，这表明年均降水量和人口密度与其他因素的交互作用对漓江流域景观生态风险的影响具有很高的解释能力。此外，单因素探测中q值最小的到河流距离因素，在与其他因素产生交互作用后，对漓江流域景观生态风险的解释能力显著提高，这表明因素之间的共同作用进一步会对漓江流域景观生态风险产生影响。

Figure 7. Results of interaction detection for influence factors

图7. 驱动因素交互探测结果

6. 讨论

从景观格局变化特征来看，20年来，漓江流域城乡生活空间面积逐渐扩张，占据更多的农业生产空间和林地生态空间。同时，漓江流域景观破碎化变化较小，景观连通性和聚集性呈增长趋势。从景观生态风险时空分布来看，2000~2020年漓江流域景观生态风险呈现正向改善，且变化相对平缓，这与之赵鹏伟等[13]人研究结果一致，主要原因是经济、城镇化快速发展，导致水域生态空间和城乡生活空间集约扩张，以水域生态空间和城乡生活空间为主的区域的风险水平降低。高生态风险多集中分布于水域生态空间地区，受到的人为影响较大，相反，低生态风险在林地生态空间地区呈优势分布，人为干扰较少。

已有研究表明，地区景观生态风险与海拔、地貌和人为干扰度等因素有关[29] [30]。本研究在前人研究的基础上，选取年均降水量、人口密度、到道路距离等11个因子，利用地理探测器探索漓江流域景观生态风险的驱动因素。地理探测器结果显示，年均降水量、人口密度和DEM是影响景观生态风险的主要因素。其中，降水量的增加可能导致水域生态空间增加，提高景观聚集程度，降低景观生态风险；高人口密度会导致城乡生活空间面积增长较快，碎片化程度有所增加，但也会增加景观连通性和聚集性。地形对水文循环和林地生态空间等景观的分布具有重要作用，影响景观生态风险。另外，到道路距离、地区生产总值(GDP)、年均气温和土壤类型等因素也会对流域景观生态风险产生重要影响，这些因素相互作用会进一步增加或减少对景观生态风险的影响。

本研究利用景观干扰度指数、脆弱度指数和损失度指数等指标构建了景观生态风险评价指标体系，对漓江流域景观生态风险进行了综合定量评价，并探讨了驱动因素对该地区景观生态风险的影响。这一研究对相关领域具有一定的贡献。然而，本研究中也存在一些不足。由于影响景观生态风险的因素复杂多样，进一步的研究中应考虑加入其他驱动因素，如生物量、地貌类型等。另外，地理探测器模型仅能显示驱动因素的作用强度，无法说明其正负向。因此，在未来的研究中，需要考虑更多潜在因素，并采用更全面的模型来更好地研究景观生态风险演变及其背后的原因。

7. 结论

本文以漓江流域为研究区，基于2000~2020年3期土地利用数据，应用景观格局指数和地理探测器，定量地分析“三生”空间视角下漓江流域景观格局与生态风险的时空特征，以及探测其背后的驱动因素。结果表明：

1) 2000~2020年，漓江流域耕地生产空间、林地生态空间和牧草生态空间面积减少，城乡生活空间、水域生态空间和其他生态空间面积增加；城乡生活空间向外扩张，占据更多的农业生产空间和林地生态空间；林地生态空间和农业生产空间为优势景观，仍占主导位置，整体景观破碎化变化较小，景观连通性和聚集性呈增长趋势。

2) 研究期间，漓江流域景观生态风险整体较低，空间差异特征显著，呈中间较高，四周较低的空间分布格局；20年来，漓江流域景观生态风险呈下降趋势，低生态风险区扩张，高生态风险区缩小；高生态风险多集中分布于水域生态空间地区，低生态风险在林地生态空间地区呈优势分布。

3) 漓江流域的景观生态风险时空分异受地形、降水量和人类活动的影响较大，且变化相对平缓。其中，年均降水量和人口密度是对漓江流域景观生态风险影响最大的指标。多因子交互作用的研究结果表明，所有因子的交互作用都是协同增强的。

NOTES

^*通讯作者。