關鍵詞：土地利用；生態(tài)風險；PLUS 模型；空間自相關；淮海經(jīng)濟區(qū)

中圖分類號：F301.24；P901 文獻標志碼：A 文章編號：2095-1329（2024）04-0027-08

生態(tài)風險是指生態(tài)系統(tǒng)在面對自然或人為干擾時所遭受的風險程度[1]。土地利用生態(tài)風險評價是一項綜合性評估過程，旨在量化分析土地利用活動及其動態(tài)變化對種群、生態(tài)系統(tǒng)結構與功能以及自然景觀格局所產(chǎn)生的潛在負面效應或風險[2，3]。21世紀以來，伴隨全球氣候環(huán)境的變化，更多的學者持續(xù)關注土地利用變化所帶來的生態(tài)風險。土地利用變化會影響生態(tài)系統(tǒng)的結構和功能，這種影響進而引發(fā)了包括土地退化在內的多種生態(tài)風險，這些風險既可能是已發(fā)生的，也可能是潛在的[4]。因此，實施評價土地利用變化生態(tài)風險對指導和管理區(qū)域土地利用、推動區(qū)域可持續(xù)發(fā)展具有重要作用。

自1992年美國環(huán)境保護署（EPA）開展生態(tài)風險評價以來[5]，生態(tài)風險評價理論和方法日益豐富。起初生態(tài)風險評價的研究重點是在污染物如何作用于生態(tài)系統(tǒng)及其各組成部分，近期的生態(tài)風險評價研究開始更加側重于兩個方面：一是生態(tài)風險的空間分布特征，即探究不同地理區(qū)域、生態(tài)系統(tǒng)中生態(tài)風險的具體分布模式及其背后的驅動因素；二是生態(tài)風險對生態(tài)系統(tǒng)服務的影響評估，即分析生態(tài)風險如何影響生態(tài)系統(tǒng)提供的諸如食物供應、水資源凈化、氣候調節(jié)等關鍵服務功能，以及這些影響對人類社會福祉的潛在后果[6]，評價尺度包括流域、區(qū)域和城市等空間尺度，而不僅僅是針對單個有機體[7]。研究方法上，當前在土地利用生態(tài)風險評價領域，兩種模型被廣泛應用且備受推崇：相對風險模型（Relative Risk Model，RRM）和R=P×D模型。RRM模型由Landis等人[8]首創(chuàng)，該模型的核心在于深入剖析風險單元內部各構成要素的風險貢獻度，通過綜合考慮風險源、生境狀況以及風險受體之間的相互作用關系來全面評估土地利用活動對生態(tài)系統(tǒng)可能造成的風險水平[9，10]。R=P×D模型則基于干擾度和生態(tài)脆弱度來表示景觀的損失程度[11]，可將一個區(qū)域的生態(tài)風險在時間和空間上的變化特征進行地圖化，以便進行長時序研究。該模型中，“R”為生態(tài)風險值，“P”為風險發(fā)生的可能性，而“D”代表潛在生態(tài)風險損失[12]。RRM模型包含變量很多，且變量之間關系復雜，數(shù)據(jù)收集較難，在展示生態(tài)風險的空間分布上也存在局限。而R=P×D模型能夠反映生態(tài)系統(tǒng)在時間和空間上由于自然和人類活動引起的土地利用模式改變的累積影響，并展現(xiàn)生態(tài)系統(tǒng)隨時間變化的空間差異性[3]。因此，本研究選取R=P×D模型進行土地利用生態(tài)風險評價。

以往的生態(tài)風險評價主要集中在過去—現(xiàn)在時態(tài)的空間統(tǒng)計分析，當前多傾向于對未來風險的變化趨勢進行預測。土地利用生態(tài)風險的預測通常是以土地利用變化模擬為基礎[13]。當前，國內外學者采用的模擬模型包括CA-Markov[14]、CLUE-S[15]、FLUS[16]等，這些模型均具有較高的精度。然而，它們在探索土地利用變化的起因方面存在局限，難以時空動態(tài)地模擬不同地類的斑塊級變化。相比而言，PLUS模型可以更好的探究斑塊級的景觀格局變化，提高模擬精度，從而更有利于對景觀系統(tǒng)的評價、規(guī)劃和管理[17]。因而，采用PLUS模型開展土地利用生態(tài)風險預測是可行且必要的。

淮海經(jīng)濟區(qū)位于亞歐大陸橋東部，東臨沿海經(jīng)濟帶、西接中原經(jīng)濟區(qū)、南依長三角城市群、北靠環(huán)渤海經(jīng)濟圈。該區(qū)域人口多、耕地資源豐富，是我國重要的糧食產(chǎn)區(qū)。同時，淮海經(jīng)濟區(qū)是承接東部沿海地區(qū)產(chǎn)業(yè)轉移的理想?yún)^(qū)域，也是城鎮(zhèn)化建設的潛力區(qū)域。自2018年國家發(fā)展改革委發(fā)布《淮河生態(tài)經(jīng)濟帶發(fā)展規(guī)劃》以來，淮海經(jīng)濟區(qū)作為該生態(tài)經(jīng)濟帶的核心區(qū)域，已經(jīng)吸引了學術界的廣泛關注，并成為研究的重點地區(qū)。研究淮海經(jīng)濟區(qū)土地利用生態(tài)風險的時空特征及集聚規(guī)律，對助力淮海經(jīng)濟區(qū)生態(tài)風險預判與防控，推動淮海經(jīng)濟區(qū)綜合治理、生態(tài)文明建設及區(qū)域協(xié)調發(fā)展具有重要意義[18]。雖然已有學者針對不同尺度的土地利用生態(tài)風險進行了研究[13，17]，但以淮海經(jīng)濟區(qū)作為研究對象開展土地利用生態(tài)風險評價及模擬預測的研究還較少。鑒于此，本研究通過分析淮海經(jīng)濟區(qū)1990—2020年土地利用變化對生態(tài)風險產(chǎn)生的影響，探索其生態(tài)風險的布局規(guī)律，并運用PLUS模型來模擬3種情景下的土地利用生態(tài)風險發(fā)展趨勢，旨在為研究區(qū)的經(jīng)濟建設和生態(tài)保護協(xié)調發(fā)展提供決策參考。

1研究區(qū)概況

淮海經(jīng)濟區(qū)是位于中國不同省份交界處的代表性區(qū)域。該經(jīng)濟協(xié)作區(qū)橫跨江蘇北部、山東南部、河南東部及安徽北部多個地區(qū)，是一個由連云港、宿遷、徐州、棗莊、濟寧、臨沂、菏澤、商丘、宿州、淮北這十個地級市共同構建的區(qū)域性經(jīng)濟合作平臺，面積達9.6萬km²。2020年常住人口6546.09萬人。研究區(qū)地形以平原為主（圖1），氣候屬于溫帶季風類型，平均氣溫在9.8～16.1℃之間，年降水量介于660～950mm之間[19]。自1990年以來，淮海經(jīng)濟區(qū)經(jīng)濟快速發(fā)展，GDP從1990年的701億元增長至2020年的34463億元（宿遷市于1996年設立，以1995年GDP計算），它既是我國城鎮(zhèn)化的重要潛力區(qū)，也是糧食安全重要保障區(qū)和生態(tài)安全重要管護區(qū)。該地區(qū)可持續(xù)發(fā)展的關鍵是如何在經(jīng)濟增長和城鎮(zhèn)化的同時，保障糧食安全和生態(tài)環(huán)境健康。

2數(shù)據(jù)來源與研究方法

2.1數(shù)據(jù)來源及處理

本研究所使用的1990年、2000年、2010年和2020年土地利用數(shù)據(jù)，來源于中國科學院地理科學與資源研究所（http：//www.resdc.cn），分辨率為30m。根據(jù)研究需要，對土地類型進行了重新分類，包括耕地、草地、林地、水域、建設用地以及未利用地六大類。此外，高程數(shù)據(jù)來自地理空間數(shù)據(jù)云（http：//www.gscloud.cn），降水、氣溫、國內生產(chǎn)總值及人口數(shù)據(jù)來自中國科學院資源環(huán)境科學與數(shù)據(jù)中心，道路數(shù)據(jù)來自地理信息監(jiān)測云平臺（http：//www.dsac.cn/），河流數(shù)據(jù)通過全國地理信息資源目錄服務系統(tǒng)獲取（https：//www.webmap.cn）。在ArcGIS 軟件中將土地利用及其他柵格數(shù)據(jù)統(tǒng)一為30m 的空間分辨率。

2.2風險小區(qū)的劃分

為了對生態(tài)風險指數(shù)進行可視化表達，本研究參考已有的研究成果[20， 21]，在ArcGIS 軟件中進行試驗，對比不同尺度下的網(wǎng)格數(shù)量，以8km尺度劃分1653個網(wǎng)格，9km尺度劃分1190個網(wǎng)格，11km 的尺度劃分895個網(wǎng)格?？紤]到研究區(qū)域大小和可視化表達所需要的分析精度后，本研究選定10 km×10 km 的風險小區(qū)作為樣本單元，共1063個評價單元。

2.3 土地利用生態(tài)風險模型構建

景觀指數(shù)法是一種結合多個指數(shù)進行綜合分析的方法，用以定量地描述景觀的結構和其變化[22， 23]。這些景觀格局指數(shù)能夠揭示土地利用的變化趨勢和其背后的原因，同時也為計算生態(tài)風險指數(shù)做好了前期工作。R=P×D模型通常通過計算景觀損失度構建模型，景觀損失度一般在干擾度和脆弱度的基礎上構建[3]。根據(jù)已有研究[24-26] 及研究區(qū)實際，采用R=P×D模型在計算干擾度和脆弱度的基礎上來建立土地利用生態(tài)風險指數(shù)（ERI），其計算公式如下：

式中：m代表景觀類型的總數(shù)；Aki 是指第k 個研究單元內第i 類景觀的面積；Ak指第k 個研究單元的總面積；Ei指景觀i 的干擾度指數(shù)；Vi 指景觀i的脆弱度指數(shù)。ERI 指的是風險小區(qū)i的生態(tài)風險指數(shù)，其值越高，生態(tài)風險越大，反之則生態(tài)風險越小。各指標含義及計算方法見表1。

2.3.1景觀干擾度指數(shù)

以景觀格局分析為基礎，選取景觀破碎度（Ci）、景觀分離度（Ni）和景觀分維度（Fi）指標，對三者賦予相應的權重并進行加權綜合，同時，通過景觀干擾度指數(shù)（Ei）量化各景觀類型對應的生態(tài)系統(tǒng)遭受的干擾水平，其定義公式[27] 見表1。參考已有研究[28]，將破碎度、分離度和優(yōu)勢度的權值分別設定為0.5、0.3、0.2。

2.3.2景觀脆弱度指數(shù)

景觀脆弱度（Vi）是區(qū)域生態(tài)風險的內在因素，它反映了不同景觀類型在維持其現(xiàn)有結構和功能上的內在能力，以及這些景觀類型生態(tài)系統(tǒng)在面對外部干擾時的易損程度[29]。參考前人研究成果[30， 31]，對未利用地、水域、耕地、草地、林地和建設用地分別賦值6、5、4、3、2、1，經(jīng)歸一化處理，得到未利用地的脆弱度指數(shù)為0.29，水域為0.24、耕地為0.19、草地為0.14、林地為0.10和建設用地為0.05。

2.4 空間自相關分析

空間自相關研究的理論和方法最早由地理學家Cliff與統(tǒng)計學家Ord提出[32]，用以描述區(qū)域范圍內某要素與鄰近要素的關聯(lián)情況[33] 。局部空間自相關揭示了觀測值在整體上的空間聚類或異常情況[34， 35]。通常以局部Moran’s I指數(shù)表示，當Moran’s Igt;0 時，表明觀測值高-高或者低- 低聚集；當Moran’s Ilt;0 時，表示觀測值低-高或者高- 低聚集；當Moran’s I=0時，表示觀測單元與相鄰單元無關聯(lián)。

2.5 PLUS模型及模擬過程

PLUS模型一般用于模擬土地利用變化情況，該模型主要包含兩個模塊：一是土地擴張策略分析的LEAS模塊，二是基于多類隨機斑塊種子的CARS 模塊[36]。LEAS 模塊指在從兩個不同時間點的土地利用數(shù)據(jù)之間提取并分析變化信息，利用隨機森林法分析不同地類變化的驅動因素，從而得到不同地類的發(fā)展概率及對整體地類變化的貢獻程度。在嚴格遵循這些發(fā)展概率作為約束條件的前提下，CARS 模塊運用了隨機種子生成技術和閾值遞減機制，以實現(xiàn)土地斑塊時空演變的動態(tài)模擬。這一過程不僅確保了模擬結果的合理性和準確性，還充分展示了地類變化的復雜性和動態(tài)特征[37]。

根據(jù)研究區(qū)實際及數(shù)據(jù)的可獲取性，綜合考慮社會經(jīng)濟、可達性、氣候環(huán)境的影響，本文選取了以下14 個關鍵因子作為驅動因素進行深入分析：GDP作為社會經(jīng)濟狀況的衡量指標；高程、坡度反映地形地貌的影響；降水量、氣溫則代表了氣候環(huán)境的關鍵要素；人口密度作為社會因素的衡量指標，反映研究區(qū)域內人類活動的密集程度與潛在影響；距一級道路距離、距二級道路距離、距三級道路距離、距高速公路距離、距鐵路距離、市區(qū)距離、距縣城距離、距河流距離，反映地理位置與交通可達性的重要性。然后，以2010年的土地利用數(shù)據(jù)為基礎，結合14個驅動因子獲得的發(fā)展概率分布圖，模擬2020年研究區(qū)土地利用格局，并將模擬結果與2020年的實際土地利用情況對比，使用Kappa 系數(shù)和FOM系數(shù)進行精度驗證。最后，以2020年研究區(qū)土地利用數(shù)據(jù)和2010年的發(fā)展概率圖為基準，將2010—2020年不同地類的擴張強度設置為鄰域權重（表2），通過調整土地利用類型數(shù)量和土地利用轉移成本矩陣來分析不同情景下研究區(qū)2030年土地利用及生態(tài)風險變化。參考現(xiàn)有的研究[38]，在不同情景下土地利用轉移成本矩陣的設置見表3。

3 結果與分析

3.1土地利用動態(tài)變化分析

根據(jù)1990—2020年淮海經(jīng)濟區(qū)各地類面積及動態(tài)度變化情況（表4），2020年研究區(qū)面積最大的是耕地，占土地總面積的68.67％；其次為建設用地，占總面積的19.75％；再次為水域、草地和林地，分別占5.24％、3.29％和2.89%；未利用地面積最小，僅占0.15％。從1990—2020年，土地利用的變化呈“兩增四減”的趨勢，具體而言，建設用地和水域的面積增加，而耕地、草地、林地及未利用地的面積減少。耕地轉出面積最多，其面積減少了2864.45km²，而建設用地面積增加最多，增幅達到4 741.55 km2。動態(tài)度能有效揭示土地變化的程度，其中未利用地的動態(tài)度最高，其次為草地、建設用地、水域、林地和耕地。

3.2土地利用生態(tài)風險時空演變特征分析

為直觀地表征研究區(qū)1990-2020年土地利用生態(tài)風險格局， 在計算1990年、2000年、2010年、2020年風險小區(qū)ERI 值的基礎上，對ERI值進行克里金空間插值，將結果劃分五個等級：低生態(tài)風險（ERI≤0.04）、較低生態(tài)風險（0.04lt;ERI≤0.041）、中等生態(tài)風險（0.041lt;ERI≤0.042）、較高生態(tài)風險（0.042lt;ERI≤0.043）、高生態(tài)風險（ERI≥0.043），從而得到研究區(qū)1990—2020年土地利用生態(tài)風險空間分布圖（圖2）。

圖2和表5表明1990—2020年研究區(qū)土地利用生態(tài)風險整體呈下降趨勢。具體而言，研究區(qū)生態(tài)風險分布以低生態(tài)風險為主，低生態(tài)風險區(qū)占區(qū)域土地面積超過40%，相比之下，中、較高及高生態(tài)風險區(qū)所占面積較小。1990年，研究區(qū)低、較低生態(tài)風險區(qū)域占整個區(qū)域土地面積的74.27%，其分布在研究區(qū)的大部分地區(qū)。相比之下，高、較高生態(tài)風險區(qū)僅占區(qū)域面積的9.24%，主要集中分布于濟寧市南部和宿遷市南部，臨沂市和連云港市也有少量分布，其基質景觀類型以水域為主，少量分布于其他地類。中生態(tài)風險區(qū)主要分散在各地區(qū)和高生態(tài)風險區(qū)的外圍區(qū)域。2020年，研究區(qū)較低和低生態(tài)風險區(qū)域占整個區(qū)域土地面積的83.75%，分布在研究區(qū)大部分地區(qū)；而高生態(tài)風險區(qū)占據(jù)研究區(qū)3.88% 的面積，主要集中在中部和東南部地區(qū)，在其他區(qū)域也有零星分布。最低占比（3.02%）的是較高生態(tài)風險區(qū)，這些區(qū)域主要環(huán)繞于高生態(tài)風險區(qū)的邊緣地帶。中生態(tài)風險區(qū)主要分散在高與較高生態(tài)風險區(qū)周邊。1990—2020 年，較高、中及較低生態(tài)風險區(qū)的面積及其所占整個區(qū)域的比重均不斷減少，特別是較高、中、較低生態(tài)風險地區(qū)減少幅度相對較大，而低生態(tài)風險區(qū)域明顯增加，這說明研究區(qū)土地利用生態(tài)風險不斷降低，整體生態(tài)環(huán)境質量有所提升。

3.3 土地利用生態(tài)風險空間自相關分析

對1990—2020年研究區(qū)的生態(tài)風險評價結果進行空間自相關分析，結果顯示：各年度Moran’s I 值均為正，Z值最小為24.6071，p值均在1% 置信水平上顯著（表6）。相關分析結果表明研究區(qū)的生態(tài)風險分布存在空間正相關關系。同時，全局Moran’s I值在這30年間從1990年的0.5221逐漸降低至2020年的0.3975，反映了土地利用生態(tài)風險在空間分布上的集中趨勢有所降低。

局部自相關指數(shù)反映局部區(qū)域單元的地理現(xiàn)象的屬性值與周圍鄰近區(qū)域屬性值之間的關聯(lián)性[39] 。研究區(qū)1990—2020年土地利用生態(tài)風險局部自相關系圖（圖3）表明：在四個研究時點上，土地利用生態(tài)風險指數(shù)的空間分布主要為高- 高和低- 低聚集。高- 高聚集區(qū)域主要分布在研究區(qū)的中部和東南部地區(qū)，且分布面積呈減少的趨勢，高高聚集區(qū)域的生態(tài)風險度高，與之相鄰的區(qū)域生態(tài)風險度也高。而低- 低聚集區(qū)域主要分散在淮海經(jīng)濟區(qū)中部和東部地區(qū)，且分布面積呈擴大趨勢，這些區(qū)域的生態(tài)風險度低，相鄰區(qū)域的生態(tài)風險度也較低。以上結果同時表明，研究區(qū)近30 年高生態(tài)風險區(qū)、較高生態(tài)風險區(qū)不斷減少，土地利用生態(tài)風險呈降低趨勢。

3.4基于PLUS模型的多情景土地利用生態(tài)風險分析

基于2010年的土地利用數(shù)據(jù)來預測2020年的土地利用情況，并與2020年實際的土地利用情況比較，結果表明，Kappa系數(shù)為0.916，而FOM 值為0.031，說明PLUS模型的準確性較高[40]，可用于研究區(qū)未來土地利用格局的模擬。在模擬過程中，2030年自然發(fā)展情景的用地需求量由Markov模型預測得到。生態(tài)安全和耕地保護情景參考已有研究[17]調整Markov轉移概率矩陣，通過控制不同地類之間的轉移概率來計算用地需求量，同時修改地類轉換成本矩陣，其余參數(shù)和模擬檢驗中的設置相同。

在自然發(fā)展情景下，以1990—2020年土地利用變化情況和相關驅動因子為基礎，排除政策法律的相關規(guī)定和國土空間規(guī)劃等制約因素，采用Markov鏈預測2030年不同土地類型的需求總量。結果表明（圖5a 和表7）：與2020年相比，2030年耕地、林地、草地均減少，其中耕地減少最多，水域、建設用地和未利用地分別增加224.79 km²、1013.94 km²、13.38 km²，建設用地存在快速擴張的現(xiàn)象。從生態(tài)風險變化（圖6a 和表8）來看，低生態(tài)、較低生態(tài)風險面積比2020 年分別減小9200.97km²和405.00km²，中、較高、高生態(tài)風險則分別增加5434.81km²、2301.88 km²、1889.28 km²。這些數(shù)據(jù)說明在該情景下，隨著城市化的推進，建設用地快速增長不斷破壞和改變了原本連續(xù)的自然景觀，而擴張的建設用地主要來自耕地、林地和草地等生態(tài)用地。這導致了景觀的連通性降低，自然過程和生態(tài)功能受人類活動影響較大，生態(tài)體系的穩(wěn)定性降低，進而增加了生態(tài)風險[41]。

在生態(tài)安全情景下，考慮到研究區(qū)是淮河生態(tài)經(jīng)濟帶的核心區(qū)域，參考《淮河生態(tài)經(jīng)濟帶發(fā)展規(guī)劃》，該生態(tài)經(jīng)濟帶旨在總體改善生態(tài)環(huán)境質量，尋求淮河流域社會經(jīng)濟與自然環(huán)境保護的可持續(xù)發(fā)展，建立我國南北氣候過渡帶的重要生態(tài)廊道，保障國家生態(tài)安全，故生態(tài)環(huán)境的保護是研究區(qū)未來發(fā)展的實際需求。參考鄧曉輝等的研究[41]，在Markov 預測土地需求量的基礎上，設定水域為限制轉變的區(qū)域，使得林地和草地轉變?yōu)榻ㄔO用地的概率減少30%。同時，水域轉變?yōu)榻ㄔO用地的概率降低40%，以此來模擬生態(tài)安全情景下的土地利用格局。結果（圖5b和表7）顯示，與自然發(fā)展情景相比，耕地、林地、草地均增加，其中耕地增加量最大，增加265.54km²，建設用地、水域、未利用地分別減少222.66km²、25.35 km²、31.60 km²，說明建設用地擴張趨勢擴展勢頭得到了一定程度的控制，生態(tài)用地得到較好的保護。從生態(tài)風險變化（圖6b和表8）來看，低、較低生態(tài)風險面積分別增加3448.71 km²和1 327.06 km²，而中、較高、高生態(tài)風險面積分別減少1782.65 km²、1 279.31 km²和1713.81 km²。生態(tài)風險的變化說明生態(tài)環(huán)境有所好轉。通過將水域劃為轉換限制區(qū)，可有效地維護景觀的連通性，有助于減少景觀的分割程度、增強生態(tài)系統(tǒng)的穩(wěn)定性，此外，耕地、林地和草地作為生態(tài)用地的增加，也有助于減緩建設用地的擴展趨勢，導致低、較低級生態(tài)風險區(qū)面積增加。

在耕地保護情景下，研究區(qū)的主要功能是保護耕地資源，確保糧食和農(nóng)產(chǎn)品的正常生產(chǎn)和供應，強調為研究區(qū)高質量耕地提供保護，參考陳月明等的研究[42]，設定耕地轉變?yōu)榻ㄔO用地的可能性降低60%，而草地和未利用地轉變?yōu)楦氐母怕侍岣?0%，以此來確保耕地保護措施的實施。結果（圖5c 和表7）表明，與自然發(fā)展情景相比，耕地增加至65851.79 km²，增加了1 455.79 km²，增長趨勢明顯；林地也存在小幅度的增加，而草地、水域、建設用地、未利用地面積均不同程度的減少。從生態(tài)風險變化（圖6c和表8）來看，與自然發(fā)展情景相比，低、較低生態(tài)風險面積分別增加8476.48 km²和180.49 km²。中、較高、高生態(tài)風險分別增加5252.14km²、2080.04km²和1 324.80 km²。生態(tài)風險的程度同樣有所降低，可能是因為在耕地保護的過程中，耕地集中連片化程度有所提高，導致景觀脆弱度降低，增強了景觀的連通性，減少了景觀的分割程度，從而提高了生態(tài)系統(tǒng)的穩(wěn)定性，使得風險程度有所下降。與生態(tài)安全情景相比，耕地保護情境下高生態(tài)風險減少的面積小于生態(tài)安全情景下減少的面積，但中生態(tài)風險面積和較高生態(tài)面積高于生態(tài)安全情景下減少的面積。這說明適度的耕地保護，對降低生態(tài)風險具有一定的積極作用。綜合比較上述3 種情景，淮海經(jīng)濟區(qū)在兼顧社會發(fā)展的同時，既要保護生態(tài)環(huán)境，又要注意保護耕地，協(xié)調社會經(jīng)濟發(fā)展及生態(tài)發(fā)展。

4結論

本研究以淮海經(jīng)濟區(qū)為研究區(qū)域， 通過建立以1990—2020年土地利用數(shù)據(jù)為基礎的生態(tài)風險評價模型，剖析并揭示了研究區(qū)生態(tài)風險的時空分異特征。同時，采用PLUS 模型設定三種不同的模擬情景模擬2030 年淮海經(jīng)濟區(qū)的土地利用格局，研究不僅預測了在不同政策導向和發(fā)展路徑下，土地利用結構的演變趨勢，進一步評估了這些變化對生態(tài)風險空間分布的具體影響[43-44]。本次研究還為研究區(qū)未來的土地利用規(guī)劃與生態(tài)風險管理策略制定提供了寶貴的參考，主要結論如下：

（1）研究區(qū)土地利用以耕地為主，1990—2020年，建設用地的增幅最大，其比重從14.79％上升至19.75％，而耕地面積減幅最大，其比重從71.67％下降到68.67％。整體上，研究區(qū)經(jīng)濟發(fā)展及城市化對建設用地需求旺盛，耕地面積持續(xù)減小，建設用地集聚分布態(tài)勢顯著。

（2）1990—2020年研究區(qū)土地利用生態(tài)風險整體呈降低趨勢，生態(tài)環(huán)境有所好轉。空間分布上，低風險區(qū)域占區(qū)內總面積的40%以上，分布于研究區(qū)大部分區(qū)域，而高風險區(qū)域主要集中在中部和東南部，以水域分布為主。同時，研究區(qū)生態(tài)風險分布存在空間正相關關系，高- 高聚集區(qū)主要集中在中部和東南部，其分布面積呈減少趨勢；而低- 低聚集區(qū)主要分散在中部和東部地區(qū)，其分布面積呈擴大趨勢；高- 高、低- 低聚集區(qū)的分布面積與高生態(tài)風險、低生態(tài)風險面積變化的趨勢一致。

（3）生態(tài)安全和耕地保護情景下2030年研究區(qū)高、較高生態(tài)風險區(qū)面積都有所減小，有利于緩解研究區(qū)的生態(tài)風險。研究區(qū)未來既要注重生態(tài)保護，也應適度保護耕地，權衡經(jīng)濟社會發(fā)展和生態(tài)系統(tǒng)保護之間的關系，確保研究區(qū)的可持續(xù)發(fā)展。

根據(jù)研究區(qū)土地利用生態(tài)風險變化特征及不同情景下的預測結果，本文提出以下建議：（1）在研究區(qū)土地利用規(guī)劃中，要加強土地管理，提高林草植被覆蓋率，以增強景觀的連通性，減少景觀破碎度，促進生態(tài)系統(tǒng)功能穩(wěn)定，同時，應加大對生態(tài)用地的保護與修復，提高生態(tài)系統(tǒng)服務功能。

（2）在生態(tài)風險管理中，采用差異化生態(tài)風險管理策略，重點關注低生態(tài)風險區(qū)域和高生態(tài)風險區(qū)域。針對低生態(tài)風險區(qū)域，應在維持現(xiàn)有自然環(huán)境狀態(tài)的基礎上，建立生態(tài)背景、開敞空間體系與人文景觀組成的多功能景觀系統(tǒng)，從而保證生態(tài)系統(tǒng)的健康穩(wěn)定。而對于高生態(tài)風險區(qū)域，則需重點加強流域周邊耕地與林地的保護與管理，對污染水源及破壞生態(tài)的產(chǎn)業(yè)實施嚴格監(jiān)管，必要時依法取締。此外，還需強化河道兩岸的生態(tài)管控，設立生態(tài)功能保護區(qū)，并在此區(qū)域內建設緩沖隔離林帶與水源涵養(yǎng)林，調整耕地的農(nóng)業(yè)種植結構，提高河流自凈能力，結合國土空間規(guī)劃和科學合理的生態(tài)工程措施優(yōu)化流域的整體景觀布局。

（3）未來城鎮(zhèn)發(fā)展情境設置應因地制宜、因時制宜，綜合考慮研究區(qū)地理位置、自然條件及發(fā)展需求進行動態(tài)調整，通過不同情景的對比分析，探索更符合研究區(qū)發(fā)展理念的用地格局優(yōu)化方案。在加快淮海經(jīng)濟區(qū)城鎮(zhèn)建設，強化淮海經(jīng)濟區(qū)省際邊界的引領作用，構建優(yōu)勢互補、差異化協(xié)同發(fā)展的區(qū)域格局的同時，加大區(qū)域內耕地與林地等的保護力度，加強生態(tài)空間管控，建立生態(tài)安全保護屏障，構建健康可持續(xù)的生態(tài)安全格局，走經(jīng)濟與生態(tài)協(xié)同發(fā)展之路。

盡管淮海經(jīng)濟區(qū)土地利用生態(tài)風險整體呈向好態(tài)勢，但不能因此而忽視局部地區(qū)的生態(tài)環(huán)境變化情況，特別是要關注中高風險地區(qū)。需加強研究區(qū)中部和東南部水域周邊的生態(tài)治理，加大對該區(qū)域的生態(tài)修復力度，同時協(xié)調經(jīng)濟發(fā)展與生態(tài)保護，科學合理規(guī)劃各類用地面積，在保護生態(tài)環(huán)境、保障糧食安全的基礎上加強研究區(qū)國土空間規(guī)劃與管理的協(xié)調，優(yōu)化區(qū)域國土空間格局。