本文涉及数据主要包括土地利用数据、自然条件数据、社会经济数据、POI大数据等(表1)。其中土地利用数据来源于中国科学院地理科学与资源研究所(https://www.resdc.cn/)，30*30精度，分类标准参照中国科学院土地利用分类体系，将土地利用类型分为耕地、林地、草地、水域、建设用地和未利用地六类。驱动因子结合研究区现状、数据可得性等，选取高程、坡度、坡向、年平均气温、年降水量、人口、GDP、到公路距离、到水系距离等15个因子。其中自然条件、社会经济因素来源于中国科学院地理科学与资源研究所(https://www.resdc.cn/)；交通水系数据来源于OSM数据集；POI大数据来源于高德地图和百度地图；GDP数据来源于成都市统计年鉴。

表1. 数据来源

为检验PLUS模型模拟精度，本文以2010年土地利用数据为基础，结合用地发展概率和驱动因子，设置参数后得到2020年土地利用模拟结果(图1)，并将模拟的2020年土地利用与现状进行精度检验，总体精度为0.953，Kappa系数为0.924，FOM值为0.059，具有较高的精度，可以用来进行后续土地利用变化模拟。

图1. 成都市2020年土地利用现状和模拟对比

本研究基于2010~2020年土地利用数据，设定自然、低碳两种情景，结合Markov、MOP模型，预测的2030年土地利用类型面积如表6所示。两种情景下，土地利用结构相对稳定，草地、水域、未利用地变化率不大。在自然情景下，相较于2020年耕地、林地、未利用地分别减少了327.63 km²、28.8 km²、0.26 km²，建设用地扩张面积为337.5 km²，这也说明在不受外界因素干扰下，建设用地的规模将会快速增长，占用耕地、林地，威胁粮食安全以及生态安全；在低碳情景下，耕地、未利用地分别减少了560.36 km²、0.26 km²，而林地、水域、建设用地分别增加了474.28 km²、40.39 km²、45.95 km²，这说明大量耕地转入林地。

对比2020~2030年土地利用空间分布图(图2)可以发现，两种情景下，2030年土地利用空间分布情况都与2020年差异不大。自然情景下，空间差异主要体现在建设用地和水域不断向外扩张，占用耕地、林地；低碳情景下，林地、水域面积得到增加，建设用地侵占耕地的情况有所改善，有利于增加生态碳汇，缓解碳排放压力。

表6. 成都市2020~2030土地利用类型面积对比(单位：km²)

图2. 成都市2030年土地利用多情景模拟

将成都市2020~2030年景观生态风险指数进行克里金插值，基于自然断点法将2030年自然情景景观生态风险值划分为低风险(0.0027~0.0133)，较低风险(0.0134~0.0207)，中等风险(0.0208~0.0278)，较高风险(0.0279~0.0357)，高风险(0.0358~0.0502)五级，其他各期数据均采用该分类，便于进行比较分析，得到景观生态风险分布图(图3)。

由表7可知，成都景观生态风险整体主要以较低风险和中等风险为主，占研究区面积的54%~59%。与2020年景观生态风险相比，自然情景下，低、较低、中等风险区面积都在减少，较高、高风险区面积增加，并且高风险区面积增加491.2 km²。这表明在自然情景下，不受任何政策限制，未来景观生态风险将会逐渐变大。低碳情景下，低、较低风险区面积增加，中等、较高、高风险区面积逐渐减少，并且高风险区面积减少1362.96 km²。这表明在充分考虑经济发展和低碳的情况下，调整土地利用结构，优化土地利用空间布局，可以降低景观生态风险。

从景观生态风险空间分布上看(图3)，2020年低风险区主要分布在研究区北端、东端以及中心城区。北端景观类型主要为未利用地和林地，地处高山丘陵地区，人为干扰少，景观干扰度低；东端景观类型为集中连片的耕地、林地，景观破碎度低，景观生态风险低；中心城区景观类型主要为集中分布的建设用地，稳定性高，受外界干扰影响小，因此景观生态风险低。中等风险区分布最广，占研究区总面积27.61%，主要环绕分布于较高风险区外围。较高风险区处于中等风险区向高风险区过渡的区域，占比17.96%。高风险区主要分布在崇州市、大邑县、邛崃市、浦江县、新津区等，这些区域景观格局复杂，耕地、林地、水域、建设用地交错分布，景观破碎度高。

2030年自然情景下，较高、高风险区在向四周扩散，低、较低、中等风险区在缩减。低、风险区在空间上与2020年相比没有较大变化，这些区域人为干扰少，景观格局分布较为稳定。较低风险区与中等风险区面积在缩减，而较高、高风险区面积在增加。较高风险区增加区域主要分布在新都区、郫都区、龙泉驿区、金堂县等。高风险区增加区域主要分布于成都西南地区，为崇州市、大邑县、邛崃市、浦江县、新津区等。

2030年低碳情景下，低、较低风险区面积分别增加了839.32 km²、1175.17 km²，而高风险区面积快速减少，仅389.06公顷，主要分布于大邑县、崇州市、新津区。新都区、龙泉驿区、金堂县的较高、高风险区面积减少，景观生态风险减弱。

根据成都市2020~2030年的景观生态风险空间数据，利用GeoDa软件，得到全局Moran’s I散点图(图4)

表7. 成都市2020年和2030年不同情景生态风险等级面积对比(单位：km²)

图3. 成都市2020~2030年多情景景观生态风险等级空间分布图

和局部自相关LISA图(图5)。2020年Moran’s I值为0.559，2030年自然情景Moran’s I值为0.574，2030年低碳情景Moran’s I值为0.532。总体上值均大于0，说明景观生态风险空间分布上呈正相关；2020~2030自然情景Moran’s I值增加，说明这一时期景观生态风险在空间上更聚集；2020~2030低碳情景Moran’s I值减少，说明这一时期景观生态风险在空间上相对分散。

从局部空间自相关LISA图中可以看出，2020~2030年不同情景下，景观生态风险值空间分布主要为不显著和高—高集聚类型，与克里金插值法得到的景观生态风险空间分布格局基本一致。高—高集聚类型表明其景观生态风险高，并且邻近区域的景观生态风险也高，主要分布在成都市西南地区。2020年~2030年自然情景，高—高集聚区域没有变化，不显著区域增加。2020~2030年低碳情景，高—高集聚区域有

图4. 成都市2020~2030年景观生态风险Moran’s I散点图

图5. 成都市2020~2030年景观生态风险局部空间自相关LISA图

所减少，不显著区域增加，说明低碳情景下，景观生态风险分布区域相对分散。

本文利用成都市2010~2020年土地利用数据，运用PLUS模型、MOP模型等对2030年自然、低碳两种情景进行土地利用空间分布模拟。并运用Fragstats、GeoDa等软件对成都市2020~2030年多情景土地利用进行景观生态风险分析以及空间自相关分析。得到以下结果：

1) 2030年自然情景下，建设用地规模快速增长，增长面积为337.5 km²，占用大量耕地、林地；2030年低碳情景下，林地、水域面积增加，增加面积分别为474.28 km²、40.39 km²，大量耕地转为林地和水域，建设用地增长规模得到控制。

2) 2020~2030年成都市景观生态风险以较低和中等风险为主。其中2030年自然情景下，低、较低、中等风险区面积在减少，较高、高风险区面积增加。2030年低碳情景下，低、较低风险区面积增加，中等、较高、高风险区面积逐渐减少。

3) 从空间分布上看，高风险区域主要分布于成都西南地区，为崇州市、大邑县、邛崃市、浦江县、新津区等地。低风险区主要位于除中心城区以外的其他区域。

4) 2020~2030年成都市景观生态风险空间分布上呈正相关关系，并且在2030年低碳情景下，Moran’s I值低于自然情景，高–高集聚类型区域少于自然情景。这说明在低碳情景下，成都市未来景观生态风险将会变小。

成都市位于长江流域上游地区，四川盆地西部，是成渝双城经济圈之一，研究其景观生态风险对于西部地区构建生态安全格局、推动区域高质量发展等方面具有重要意义。本研究与其他学者的研究结论具有一致性，董会忠等 [ 21 ] 认为林地产生的生态效应最显著，随面积的增加而升高，是维持成渝经济区生态系统价值的关键所在。梁发超等 [ 22 ] 认为成渝城市群景观生态风险整体处于中度风险，较高等级主要分布在四川盆地人口集中区、邛崃山–相岭片区等地，与本文研究结果一致。

本文将土地利用作为基础数据，构建景观生态风险评价模型对其2010~2020年景观生态风险进行评价，并对2030年景观生态风险进行模拟。本文对景观生态风险的评价没有综合考虑自然因素和人为因素，仅从景观因素出发，缺乏对景观生态风险的驱动力因素研究，在之后的研究可以从这些方面提高景观生态风险评价的准确性，为城市构建生态安全格局和土地利用配置提出更可靠的建议。