景观生态风险评价可为平衡区域发展和生态环境保护提供重要决策支持^[1]，已成为当前的研究热点领域之一。景观生态风险指在自然或其他人为因素的影响下，景观和生态过程相互作用可能产生的不利后果；相比于综合生态风险评价，景观生态风险侧重于景观对于生态过程的影响，强调生态风险评价的时空异质性和尺度效应^[2]。景观生态风险评价的方法可分为风险源汇和景观格局两种。基于景观格局的景观生态风险评价是以土地利用景观类型作为基本单元，评价景观镶嵌体与最优格局的偏离程度^[3]；识别景观异质性对生态系统结构和功能造成的干扰以及生态系统的脆弱性。组成景观的空间组分其能量流动和物质循环均有所差别，影响着区域景观生态过程，最终导致不同的景观生态效应^[4]。景观生态风险评价方法主要有相对风险模型(RRM)^[5]、熵值法^[6]以及景观指数法(ERI)^[7-8]，研究尺度多以流域、湿地和城镇等区域为主^[9-11]。

有研究表明，人口迁移、景观格局和植被覆盖度对COVID-19疫情时空分布有一定影响^[12-14]，但景观生态风险与疫情时空分布关系尚未明确。学者们对COVID-19疫情的研究多聚焦于时空特征变化方面，研究区主要以全国、省、发达城市群为主^[14-18]，对边境地区鲜有研究。边境地区作为阻隔病毒跨境扩散的前沿阵地，疫情防控任务非常艰巨。云南省边境线长，口岸多，边境口岸疫情防控压力非常大。云南省瑞丽市是中国和缅甸之间人口流动较频繁的地区，瑞丽口岸是目前仅有的高风险口岸^[19]。2021年瑞丽市边境不断检测出由境外输入造成本地感染的新冠病毒病例，政府部门采取了严控人口流动和全员核酸检测排查措施，使疫情得到有效阻断。鉴于此，本研究以瑞丽市为研究区，运用景观格局指数计算景观人工干扰强度，构建生态风险评价模型，对瑞丽市2000—2021年土地利用景观类型和生态风险时空演变特征进行综合研究，分析景观生态风险和景观人工干扰强度分别与COVID-19疫情空间分布的相关性，以期为瑞丽市和同类地区制定完善的生态风险、环境保护和疫情管控政策和计划提供参考依据。本研究对于维护边境地区秩序稳定和加强边境合作具有重要意义。

1 研究区概况

瑞丽市位于云南省西南部(东经97.31°—98.01°，北纬23.51°—24.11°)，面积1 020 km²，辖3镇3乡。2020年人口21.05万人。该市西部和南部与缅甸相连，国境线长169.8 km，其东部和北部连接芒市和陇川县。该市地处高黎贡山余脉向南延伸部分，具有“一江一河夹一山一坝”的地形地貌特征，地势西北高东南低，地形起伏相对平缓，山脉走势为东北至西南方向。瑞丽江及龙川江由东北向西南方向流经瑞丽市。该市拥有两个国家级口岸(瑞丽、畹町口岸)，是中国通向南亚和东南亚地区的重要门户，其中瑞丽口岸是中缅贸易最频繁的口岸。中缅两国居民生活和商业来往频繁，人口流动大。尽管瑞丽市已经实现对边境线24 h常态化巡逻值守，但疫情防控工作仍然艰巨。

2 数据来源和研究方法 2.1 数据来源

本研究选取瑞丽市4个时段(2000，2010，2015，2021年)的Landsat TM/OLI遥感影像，其空间分辨率为30 m。为确保研究结果的可比性，这4期影像成像时间均为2—3月(受云层影响小，云层含量均小于10%)；对下载的原始影像数据进行了预处理。结合全国土地利用分类标准和研究区土地利用现状，将研究区的土地景观类型分为耕地、建设用地、水体、未利用土地、林地和园地6类。本研究运用支持向量机对遥感影像进行监督分类，参考瑞丽市统计年鉴和土地利用规划资料，用目视解译法和Google Earth高分辨率的历史影像修正监督分类结果，得到4个时期瑞丽市土地利用景观类型分布状况。4个时期影像解译精度均达90%以上，其kappa系数均达80%以上，符合精度要求。遥感影像和数字高程模型均来源于地理空间数据云(http://www.gscloud.cn/)。疫情数据收集于2021年1月1日至9月30日云南省卫生健康委员会(http://ynswsjkw.yn.gov.cn)每日截止24：00公布的COVID-19疫情报告和瑞丽市人民政府网公布的疫情风险地区等级通告。为保证一致性，所有数据均统一重采样为30 m，坐标系为WGS 1984。

2.2 评价单元划分

评价单元可以客观反映出区域生态环境的空间特征。评价单元大小应满足研究区斑块平均面积的2~5倍，才能反映周围地理事物信息^[20]。本文参考前人研究^[21-22]，结合研究区实际情况，按1 km×1 km正方形单元格对研究区进行网格划分，共采集1 025个景观生态风险评价单元。计算出每个评价单元的值，将其赋值评价单元的中心点，最后通过克里金插值方法进行空间化表达^[23]。

2.3 研究方法 2.3.1 景观人工干扰强度

土地利用景观变化受到自然和人为因素的影响。但从短时间来看，人为因素对景观变化的作用比自然因素显著^[24]，景观人工干扰强度指数可用来表征研究区土地利用景观受人类活动影响的程度^[25]。景观人工干扰强度将景观资源环境影响因子进行加权求和得到。其公式如下：

$ \mathrm{HI}=\sum\limits_{i=1}^{n} H_{i} * P_{i} / A $

(1)

式中：HI为景观人工干扰强度指数；n为研究区景观类型数量；H_i为第i种景观类型的面积；P_i为第i种景观资源环境影响因子；A为景观总面积(km²)；参考前人相关研究^[26-27]，P_i取值如下：未利用地0.5，建设用地0.85，耕地0.25，水域0.2，林地/园地0.1。

2.3.2 景观生态风险评价模型

景观格局反映人类对自然环境的影响程度。景观生态风险的大小取决于景观生态系统受到外界干扰时自身抵抗的能力大小^[3]。本文从区域景观格局和生态风险的角度出发，选取基于景观格局指数的生态风险评价模型研究区域景观生态风险的时空变化情况。

景观生态风险评价模型(ERI)是曾辉等^[28]根据景观类型的面积比重进行构建，建立景观格局与区域综合生态环境状况之间的关系，反映综合生态风险相对大小。景观生态风险评价模型由景观类型所占面积比重、景观干扰度指数和景观脆弱度指数组成，表达式为：

$ \mathrm{ERI}_{m}=\sum\limits_{i=1}^{n} \frac{A_{m i}}{A_{m}} *\left(S_{i} * V_{i}\right) $

(2)

式中：ERI_m为第m个评价单元内的生态风险指数；A_mi为第m个评价单元中第i类景观的面积；A_m为第m个评价单元的面积(km²)；S_i为景观干扰度指数；V_i为景观脆弱度指数。景观干扰度指数和景观脆弱度指数二者的乘积，分别表示景观损失度和不同景观类型所代表的生态系统在遭受干扰时其自然属性的损失程度。

(1) 景观干扰度指数(S_i)

景观干扰度表示不同生态系统的易损性，主要由景观破碎度指数(FN_i)、景观分离度指数(FD_i)和景观优势度指数(DO_i)加权构成^[22]。其公式如下：

$ S_{i}=a \mathrm{FN}_{i}+b \mathrm{FD}_{i}+c \mathrm{DO}_{i} $

(3)

式中：a，b和c分别代表这三类指数的权重，且满足a+b+c=1；综合考虑既有成果研究及研究区情况，将a，b，c分别赋以0.5，0.3，0.2的权重^[29-31]。

$ \mathrm{FN}_{i} =\frac{n_{i}}{A_{i}} $

(4)

$ \mathrm{FD}_{i} =\frac{1}{2} \sqrt{\frac{n_{i}}{A}} / \frac{A_{i}}{A} $

(5)

$ \mathrm{DO}_{i} =\frac{1}{4}\left(\frac{n_{i}}{N} * \frac{m_{i}}{M}\right)+\frac{1}{2} \times \frac{A_{i}}{A} $

(6)

式中：n_i为第i类景观斑块数量；N为斑块总数；m_i为第i类景观斑块类型中斑块出现的样方数；M为总样方数；A_i为第i类景观斑块面积；A为景观总面积。

(2) 景观脆弱度指数(V_i)

景观脆弱度指数表示不同景观生态系统对外部干扰的敏感程度，其数值越大反映景观生态系统越容易受到破坏^[30]。针对研究区实际情况，借鉴前人研究^{[7, 31]}对6类景观类型的脆弱度进行赋值，由高到低依次为未利用地5，建设用地4，耕地3，水域2，林地/园地1。然后进行归一化处理，得到不同景观类型的脆弱度指数为0.31，0.25，0.19，0.13，0.06。

2.3.3 空间自相关分析

空间自相关是指某一变量在空间上与其周围相关程度。通常用相关系数来衡量其在空间上的邻近关系，可以揭示空间上变量及变量之间的区域结构形态，解释事物属性或现象之间的空间组合关系，分为全局空间自相关和局部空间自相关^[32]。本文利用全局和局部自相关方法分析研究区景观生态风险的空间相关性及聚集特征。

2.3.4 地理加权回归模型

地理加权回归模型(GWR)是基于普通最小二乘回归模型(OLS)改进的空间线性回归模型。它将数据的地理空间位置嵌入回归参数中，能有效估计具有空间自相关性(非平稳性)数据，体现数据的空间分异特征^[33-34]。若回归系数成正值，表示两者之间关系成正相关；回归系数成负值，则相反。模型公式如下：

$ y_{i}=\beta_{0}\left(u_{i}, v_{i}\right)+\sum\limits_{j}^{n} \beta_{j}\left(u_{i}, v_{i}\right) x_{i j}+\varepsilon_{i} $

(7)

式中：y_i为全局因变量；(u_i, v_i)为第i个拟合点的空间地理位置坐标；β₀和β_j是参数，j为因子数；ε_i为随机误差项。本文GWR模型采用FIXED(固定距离法)创建核表面，选择AICc(最小信息准则)方法决定最优带宽。

3 结果分析 3.1 土地利用景观动态变化

瑞丽市2000，2010，2015和2021年4期景观类型面积所占比例统计结果和空间分布如图 1, 2所示。瑞丽市的景观类型主要以林地和园地为主，景观类型所占比例大小依次为：林地 > 园地 > 耕地 > 建设用地 > 未利用地 > 水域。2021年林地面积所占比例相较于2000年增加了8.2%，但在2015年出现下降的情况；园地面积所占比例从2000年的34.7%下降至2021年的21.30%，主要分布在林地和耕地之间；耕地面积所占比例从2000年的17.5%减少到2021年的14.3%；建设用地面积在2000—2021年间大幅度增加，所占比例由2000年的0.85%上升到2021年的6.86%，其中2000—2010年间增幅最大。耕地和建设用地主要分布在瑞丽市的东南部，是人口主要居住地。综上所述，2000—2021年瑞丽市景观格局发生了明显改变，但结构相对稳定；由于受到城镇化建设和经济发展的影响，建设用地面积增加显著，林园地总面积下降，生态环境变差。

3.2 景观人工干扰强度指数变化

由公式(1)得到瑞丽市景观人工干扰强度空间分布情况(图 3)。将景观人工干扰强度分为低强度(< 0.150 9)、中低强度(0.150 9~0.249 7)、中强度(0.249 7~0.366 5)、中高强度(0.366 5~0.564 2)、高强度(> 0.564 2)5个等级。其中，低和中低强度主要聚集在人类活动较少的中部地区，景观类型以林地和园地为主。高强度主要集中在瑞丽市东南部，以建设用地为主，临近瑞丽江。人为因素对该区域景观生态格局和生态过程造成一定影响。

3.3 景观生态风险时空演变 3.3.1 景观生态风险分布特征

由公式(2)计算得到瑞丽市每个单元的生态风险值，通过克里金插值法得到2000—2021年4期瑞丽市的生态风险值。采用自然间断分类法将研究区生态风险分成5级，即景观生态低风险(< 0.025 2)、较低风险(0.025 2~0.043 4)、中风险(0.043 4~0.062 7)、较高风险(0.062 7~0.083 5)、高风险(> 0.083 5)。不同时期瑞丽市生态风险空间分布如图 4所示，各等级生态风险面积所占比例如表 1所示。由图 4可以看出瑞丽市生态风险具有明显的时空分异性。

从时间序列看，2000—2021年瑞丽市景观生态风险区中、较高和高风险区所占比例逐渐上升，低和较低风险区面积所占比例不断下降。低和较低风险区面积所占比例降幅较大，下降了37.23%。在中风险等级以上区域，中风险区增幅最大，从2000年的4.52%增长到2021年的23.27%。从空间分布上看，研究区的生态风险区域呈条带状分布。20 a来，研究区生态风险增大的区域主要分布在瑞丽市东南部和西北部，勐秀乡的西北部和畹町镇的东南部生态风险由2000年的较低和中风险等级不断上升到2021年的较高和高风险等级。勐卯镇的西南部一直处于中风险等级以上，且中风险等级以上的区域面积不断扩大。这三个区域为瑞丽市人口密集地区，建设用地不断扩张，斑块较为破碎，景观分离度高，抗干扰能力弱，导致生态风险不断升高。低和较低生态风险区集中分布在户育乡、勐秀乡中部和勐卯镇的东北部，以林地和园林为主。瑞丽市2000—2021年景观生态风险以低和较低风险区为主，等级出现由低向高迁移的现象，其景观生态风险呈上升趋势。

进一步分析瑞丽市景观生态风险等级变化，由2000年和2021年生态风险分布图(图 4)得到瑞丽市各生态风险等级转移矩阵(表 2)。由表 2可以看出，瑞丽市景观生态风险等级转移前3名依次为低风险区(177.23 km²)转成较低风险区, 较低风险区(152.26 km²)转成中风险区，较低风险区(101.36 km²)转成较高风险区。高等级风险区主要由较低风险和中风险区转换而来。通过与瑞丽市景观类型分布图叠加可知，该转变区域主要位于瑞丽市的西北部。2000年该区域主要以耕地和园地为主，仅有零星建设用地分布。2021年该区域以建设用地、耕地和园地为主，斑块细碎化，风险度增加。2000—2021年瑞丽市景观生态风险主要是由低等级(低、较低风险区)向高等级(中、较高和高风险区)转移，生态风险逐渐增加。

瑞丽市按行政区统计的生态风险区面积、所占比例见表 3，转移矩阵见表 4。弄岛镇主要以低风险区和较低风险区为主，其2000—2021年低和较低风险区面积之和均在60 km²以上，弄岛镇的较高和高风险区面积较为稳定，变化幅度不大。姐相乡2000年以较低风险区为主，面积为64.45 km²，2000—2021年间出现向高等级风险区转移现象，2021年以中风险区为主，面积为57.79 km²。

户育乡在2000年景观生态风险等级仅有低和较低等级存在，2000，2010年，较高和高风险区域面积为零，2000—2021年景观生态风险等级不变面积占户育乡面积的48.08%。在2000—2021年中，勐秀乡的低风险区都在瑞丽市各乡镇中低风险区面积排名第一，高风险区面积在2000，2010和2015年为零，但2021年高风险地区面积有26.10 km²，是各乡镇高风险区面积最大的地区。勐秀乡北部2000年部分园地到2021年变为耕地和建设用地，自然资源破碎，导致该地区风险值增高。勐卯镇是瑞丽市各乡镇中景观生态风险较高的乡镇，其低和较低风险区域面积与中风险等级以上区域面积之比从2000年的5.4：1到2021年0.98：1，受到人类生产、生活扰动较多。畹町镇以低风险区为主。2000—2021年瑞丽市各乡镇景观生态风险由高风险转为低风险区域面积均不到3 km²，所占比例几乎为零，生态环境质量具有不稳定性，生态环境整体出现恶化情况。

3.3.2 景观生态风险空间相关性

对瑞丽市2000，2010，2015，2021年4个年份的景观生态风险情况进行全局空间自相关分析(表 5)，其Moran's I值分别是0.704 4，0.682 0，0.564 5，0.501 2；4个年份的Moran's I均大于0，且p值均小于0.01，说明研究区的景观生态风险具有显著聚类特征，空间自相关性强。从2000年到2021年，全局Moran's I数值总体呈现下降趋势，但仍具有较高的空间自相关性。随着社会经济和景观类型的变化，景观生态风险空间分布的关联性降低，趋同性减弱。运用局部空间自相关方法，可以了解研究区景观生态风险的聚集类型和空间分布(如图 5所示)。2000，2010，2015，2021年研究区的景观生态风险以高—高聚集和低—低聚集为主，且未发生较大变化。高值主要聚集在北部和南部地区，低值主要在中部地区聚集。瑞丽市景观生态风险的高值和低值区域与景观类型中建设用地和林地分布大致符合，说明其土地利用景观类型对景观生态风险具有重要影响。

3.4 COVID-19疫情空间分布与生态风险、人工干扰强度耦合关系 3.4.1 瑞丽市COVID-19疫情空间分布特征

收集瑞丽市累计新冠肺炎疫情病例数、病例轨迹以及风险等级区域等信息，使用核密度估计分析得到瑞丽市COVID-19疫情空间分布图(图 6)。在乡镇尺度，瑞丽市新冠肺炎疫情分布呈现“一主两次”的聚集特征和南高北低的空间扩散趋势，以勐卯镇南部(瑞丽市政府驻地、姐告国门社区)为主中心的高密度地区向四周辐射，畹町镇和弄岛镇南部为次中心，属于中高密度区。瑞丽市中高密度区均分布在中缅边境线附近，勐卯镇和畹町镇因有口岸存在，疫情传播风险大。弄岛镇因外来人员偷渡入境导致出现本土病例。勐秀乡、户育乡和姐相乡在2021年1—9月没有出现本地病例，均为低密度地区。这3乡虽远离中缅贸易中心，但地处中缅边境，疫情防控工作仍不可掉以轻心。

3.4.2 耦合关系探究

景观格局对疫情的传播扩散有一定影响。本文分析了生态风险指数和人工干扰强度与新冠肺炎疫情分布之间的耦合关系，以感染人数密度为因变量，分别将2021年的生态风险指数和人工干扰强度指数作为解释变量，通过地理加权回归模型进行分析。相关模型参数见表 6。GWR模型标准化残差值在5%的显著性水平下是随机分布的，生态风险指数和人工干扰强度的标准化残差值约99%，在[-2.5，2.5]范围内，模型整体构建效果较好。R²可视作模型解释力，其取值范围为[0, 1]，值越大表示模型拟合效果越佳。景观人工干扰强度的R²为0.408 6，景观生态风险指数的R²为0.500 9。可以看出，景观生态风险指数模型相较于景观人工干扰强度拟合效果较好。

景观生态风险指数/人工干扰强度与感染人数密度两者的回归系数，反映了景观生态风险指数/人工干扰强度对感染人数密度的影响程度。若回归系数为正值，表示两者之间关系成正相关，则感染人数密度随景观生态风险指数/人工干扰强度的增加而增高；若回归系数成负值，则相反。回归系数绝对值越大，景观生态风险指数/人工干扰强度对感染人数密度的影响程度越大。通过景观人工干扰强度与感染人数密度两者的回归系数可得人类活动范围和疫情的时空分布大体呈正相关关系(图 7a)。人类活动强度高的地区人工干扰强度大，城市化建设发展导致城市建设用地不断扩张，人口流动大，疫情传播风险加大。以林地、园地、水域为主要景观类型的生态用地与感染人数密度呈负相关关系。同样，景观生态风险指数与感染人数密度回归系数的趋势与景观人工干扰强度大致相同(图 8b)。勐卯镇、畹町镇和弄岛镇，是瑞丽市人口聚集密度高的地区，是中缅地区人流物流的集散地和重要的交通枢纽中心。城市建设用地2000年后增加迅速，城市规模不断扩大，人口不断增加，利于病毒传播。水域限制了人的行动范围，瑞丽江对跨境疫情的传输具有阻隔作用，林地对病毒传播有阻碍的作用。瑞丽市景观格局与疫情空间分布存在一定关联。

4 结论

本文以云南省瑞丽市为研究区，通过计算景观人工干扰强度指数，构建景观生态风险评价模型，对研究区景观类型和生态风险时空演变特征及其与疫情时空分布耦合关系进行了研究。

(1) 2000—2021年瑞丽市土地利用景观类型按面积所占比例依次为: 林地 > 园地 > 耕地 > 建设用地 > 未利用地 > 水域。林地和园地分布在瑞丽市中部地区，耕地和建设用地大部分都在瑞丽江的沿岸。研究期内瑞丽市林园地面积相对稳定，耕地面积出现波动，建设用地不断扩张，整体呈现不稳定表征。

(2) 2000—2021年瑞丽市景观人工干扰强度以低强度为主，中低和低强度主要聚集在人类活动较少的中部林地地区。人工干扰强度主要分布在东南部沿瑞丽江区域。随着瑞丽市经济开发不断增强，生态环境维护压力大。

(3) 2000—2021年瑞丽市景观生态风险以低和较低风险区为主，但面积逐年减少，中等级以上风险区面积增加。景观生态风险等级主要是由低等级向高等级转移，增加部分主要分布在研究区的西北和东南地区。瑞丽市景观生态风险空间分布存在显著的聚集性，以高—高和低—低聚集模式为主。瑞丽市正处在传统农业转变以及城镇化的交替阶段，其生态环境保护意识滞后于城镇化发展，区域生态风险性升高，需要进一步加强国土空间环境治理，增强景观斑块连通性，避免景观破碎化。

(4) 瑞丽市COVID-19疫情空间分布呈现“一主两次”的聚集特征和南高北低的扩散趋势。景观人工干扰强度和景观生态风险指数均对疫情空间分布有较好的解释能力。瑞丽市景观生态风险指数和景观人工干扰强度与疫情空间分布存在一定关联，城市建设用地和林地对病毒传播有空间聚集和阻碍的作用。当前，瑞丽市疫情防控工作应当重点关注以口岸为辐射中心且位于中缅边境线上的城市建成区及附近村庄，可以结合生态用地分布综合划定疫情传播风险等级和区域，防范外来人员输入，防止当地居民聚集，避免交叉感染。

COVID-19疫情时空分布是自然因素和社会经济因素共同作用的结果。本研究仅探讨了基于景观格局的生态风险和人工扰动强度与疫情分布的耦合关系，在今后的研究中有必要对COVID-19疫情的驱动因子进行进一步分析，因地制宜地提出更为科学全面的疫情管控建议，对地区生态安全和城市空间结构布局具有重要意义。