長三角地區景觀生態風險與人類活動強度的響應及其時空關聯

方 林，方 斌，劉艷曉，蔡 俊，李燦鋒

長三角地區景觀生態風險與人類活動強度的響應及其時空關聯

方 林1，方 斌2※，劉艷曉3，蔡 俊1，李燦鋒4

（1. 安徽農業大學經濟管理學院，合肥 230036；2. 南京師范大學地理科學學院，南京 210023；3. 東北師范大學地理科學學院，長春 130024；4. 中國地質調查局昆明自然資源綜合調查中心，昆明 650100）

人類活動是誘發區域生態風險的重要因素，但生態風險與人類活動在不同尺度下的表征效果不一，響應程度不同，從多尺度科學地研究區域景觀生態風險與人類活動強度的關聯特征對于協調區域人地關系地域系統矛盾，推動地區可持續發展具有重要意義。該研究以長三角地區為研究對象，基于1990—2020年4期土地利用、夜間燈光、人口空間分布數據，建立市域、縣域、格網三級尺度，構建景觀生態風險及人類活動強度評估模型，刻畫不同尺度下二者的時空響應特征，并基于Copula函數、雙變量空間自相關及耦合協調度模型，揭示景觀生態風險與人類活動強度的時空關聯性。結果表明：1）1990—2020年間不同尺度下長三角地區景觀生態風險均呈現北高南低的空間分布格局，且高風險地區持續減少，低風險區均呈增加趨勢，其中市域尺度下高風險地區的減勢最明顯，而縣域尺度下，低及中低風險區總體增勢最為顯著；2）1990—2020年間不同尺度下長三角地區人類活動強度均呈現東北高西南低的空間分布格局且高強度區域均呈現顯著上升趨勢，而低強度區域均明顯下降，其中格網尺度下高強度區域增幅最大，達13.42個百分點，市域尺度下低強度區域的減幅最為明顯，達9.76個百分點；3）1990—2020年間長三角地區人類活動強度與景觀生態風險呈現正向相關性，但人類活動強度對于景觀生態風險的影響正在削弱。空間上高-高（H-H）集聚區域呈現持續減少趨勢，而低-低（L-L）呈現先增后減的變化趨勢，低-高（L-H）及高-低（H-L）在2010年后增勢明顯。研究結果可為長三角地區國土空間優化及生態安全維護提供理論依據，為區域生態風險防范和生態修復提供參考。

土地利用；景觀；生態；人類活動；尺度響應；Copula函數；長三角地區

0 引 言

自工業文明誕生以來，人類憑借先進生產力得到了極大的物質滿足，但膨脹的原材料需求，卻給自然生態系統帶來了沉重的負擔[1]。已有研究表明，受氣候變化及人類活動影響，全球陸地生態系統出現了不同程度的退化，且這一趨勢今后或將進一步加劇[2]。事實上，區域尺度下較短時限內影響并誘發區域生態風險演變的自然因素往往趨于穩定，難以發生大的突變，但人類活動變化卻異常激烈[3]，其顯性作用于陸地表面間接改變土地利用的類型、格局、強度，并對區域景觀格局及生態過程產生深刻影響，最終誘導區域景觀生態風險（Landscape Ecological Risk，LER）發生演變。全面客觀且精細地刻畫人類活動與LER的時空關聯特征是協調人地關系地域系統矛盾、探索區域可持續發展道路的重要科學問題[4]。

LER是指人類活動影響下景觀格局與生態過程相互作用所產生的不利后果[5]。LER評價起源于20世紀90年代，較之于傳統生態風險評價，其著重強調風險空間異質性的定量表征，其研究結果是支撐區域生態網絡建設和生態可持續管理的重要依據[6]。歷經30多年的研究發展，LER研究已發展成為了地理學及生態學的研究熱點。目前，基于單一尺度進行LER評價的研究日益成熟[7]，其研究對象的選擇既包括傳統的流域[8]、行政區[9]及城市地域單元[10]，同時也包括工礦開采區[11]、海岸帶[12]、農牧交錯帶[13]等重點風險控制區。但尺度變化及尺度差異增加了LER評價結果的不確定性，一定程度上造成了LER研究成果的割裂與脫節，極大地削弱了研究成果向實踐的轉化與應用。近年來，部分學者愈發關注景觀生態研究過程中的尺度問題，如基于適宜空間粒度[14]選取研究尺度，但卻鮮有研究關注LER評價過程中尺度變化的響應特征。

人類活動可以理解為人類為滿足自身生存發展需要對自然生態環境所進行的各種開發、利用與保護行為的總稱[15-16]。人類活動強度（Human Activity Intensity，HAI）是人類行為對自然環境所產生干擾作用程度的客觀表征。定量化及可視化表征區域HAI是揭示其與生態環境變化間密切關系的基礎。盡管伴隨著3S技術的快速發展，土地利用、生態系統服務等可視化空間制圖技術愈發完備[17]，但受限于人類活動的多元特征及復雜趨向，與人類活動相關的空間數據制備發展較為緩慢。高質量HAI空間數據的缺失極大地限制了研究人員對人類活動與生態風險間復雜作用關系的揭露，這也造成了二者研究的長期剝離與孤立。因此，長期以來相關研究多將人類活動視為輔助信息變量，鮮有關于HAI-LER關系的定量分析[18]。而HAI和LER評估的綜合運用，不僅能深化人—地間復雜互動關系的研究，還能將人類福祉與生態環境變化相聯系，更好地為區域生態環境保護政策制定提供理論支持。

長三角地區是人活動密集、經濟發展顯著且生態地位突出的典型區域之一。快速城市化致使域內耕地保護、經濟發展及生態維護之間的矛盾激化，其所產生的次生環境問題嚴重遲滯阻礙了長三角地區的可持續發展。為緩解區域人—地間矛盾關系，區域政府實行了退耕還林、生態功能區劃定等一系列政策法規。因此，本研究旨在以長三角地區為研究對象，探討區域LER與HAI的尺度響應及時空關聯特征，揭示域內人地關系的演變狀況，以期為地區國土空間優化與生態安全維護以及區域生態風險防范和生態修復提供參考。

1 研究區概況與數據來源

1.1 研究區概況

長三角地區包括上海、浙江、江蘇、安徽在內的3省和1直轄市共41個城市，是中國人口集聚和經濟活躍程度最高的地區之一，據國家統計局資料顯示（http://www.stats.gov.cn），截至2020年年底，域內人口總量約為2.35億，占中國總人口的16.66%；地區經濟生產總值達24.47萬億元，占全國GDP比值的24.08%。此外，地處長江下游平原，地形相對平坦，水熱條件優越，年平均氣溫約為17 ℃。年降水量約1 368 mm，自然資源十分富足。受人類活動影響，長三角地區生態環境受到嚴重挑戰，生態環境保護與經濟社會發展間矛盾沖突愈發明顯。系統梳理不同尺度下LER與區域HAI的時空關系演變規律，對于推進長三角生態綠色一體化發展示范區建設，加快構建區域生態環境共保聯治機制具有重要意義。

1.2 數據來源與處理

以長三角地區為研究對象，基于1990—2020年4期土地利用數據、夜間燈光數據、人口空間分布數據，對長三角地區LER與HAI的時空關聯特征展開分析。其中土地利用數據來源于中國科學院資源與環境科學數據中心（http://www.resdc.cn/），該數據空間分辨率為30 m′30 m，數據精度達90%；1992—2013年DMSP/OLS穩定夜間燈光數據的像元灰度值范圍為0～63。2012—2018年NPP/VIIRS影像為月尺度數據。2種夜間燈光數據均來源于NOAA網站NGDC數據中心（https://www.ngdc. noaa.gov/eog/download.html），空間分辨率為1 km′1 km。人口空間分布數據來源于資源環境科學數據注冊與出版系統的中國人口空間分布公里網格數據集（http://www.resdc.cn/），空間分辨率為1 km′1 km。其中部分年份的夜光數據及人口空間分布數據缺乏，本研究采用相近年份的夜間燈光遙感數據及人口空間分布數據進行替代和線性插值處理。為便于研究運算，借助ArcGIS 10.5軟件將所有柵格數據重采樣至100 m′100 m，投影統一為Krasovsky_1940_Albers。

2 研究方法

2.1 研究尺度劃分

本研究以長三角地區為研究對象，探討區域LER與HAI的時空演變規律，借助ArcGIS10.5軟件，創建3種不同類型的評價單元尺度，即市域尺度、縣域尺度、格網尺度。在格網尺度下，參照已有研究[19]，采用10 km×10 km格網尺度既能保證研究的精度需求，且運算量相對較低。其中縣域及市域尺度，參照2020年行政區劃標準進行劃分。分別計算3種不同尺度下的LER及HAI變化，對比研究區不同尺度下的景觀生態風險及人類活動強度的空間分布及其異質性，揭示長三角地區LER與HAI對尺度變化的響應特征。

2.2 LER評估

景觀格局變化引起的生態風險受外部因素和內部因素的影響，其中外部因素是指生態系統在受到脅迫時的干擾程度，用景觀干擾度進行表征；內部因素是指生態系統抵御壓力時的脆弱程度，借助景觀脆弱度進行表征。研究基于Fragstats4.2軟件，基于研究區實際情況及已有研究[20]，圍繞景觀干擾度指數、景觀脆弱度指數構建長三角LER評價模型，具體計算式為

式中D第景觀類型的景觀干擾指數；、、分別代表相應的各景觀指數的權重，++=1，參照尉芳等[21]研究成果，、、分別定為0.5、0.3、0.2；F表示景觀破碎度，S表示景觀分離度，FD表示景觀分形維數；N表示景觀類型的斑塊數量，A表示景觀類型的面積，為景觀類型的總面積（hm2），P為景觀類型的周長（m）。R表示第類景觀類型的生態損失度指數；V第景觀類型的景觀脆弱度指數，其中景觀脆弱度指數參照已有研究成果[22]，采取專家打分法，對不同景觀類型進行賦值，其中未利用地、水域、耕地、草地、林地、建設用地分別賦值為6、5、4、3、2、1，經歸一化處理得到各景觀類型自身的脆弱度指數：未利用地0.29、水域0.24、耕地0.19、草地0.14、林地0.10、建設用地0.05；ERI為第個風險小區生態風險指數，A為第個風險小區第類景觀的面積，A為第個風險小區的面積。

2.3 HAI表征

HAI是度量人類改造自然力度的有效指標[18]，現有關于HAI的表征方法可概括為直接或間接空間化兩類空間表征的方法。其中土地利用變化是人類經濟社會活動的綜合反映，同時可看作人類活動作用于陸地表面的顯性后果，是用以表征HAI的理想媒介。但單純以土地利用變化等替評價HAI的方法，既難以反映多元、復雜和綜合的人類活動，同時也會與同樣以土地利用數據為基礎的景觀生態風險評價產生一定程度的內生效應。為此，本研究在綜合前人研究的基礎上，引入夜間燈光及人口空間分布數據，并借鑒榮益等[23]的研究成果，綜合Lohani清單法、Leopold矩陣法及Delphi法3種方法，并通過求取平均值的方法減少系數誤差，最后針對不同土地利用類型賦予不同的人類活動影響強度系數，進而構建長三角地區HAI綜合評價模型，其表達式如下：

式中、、分別表示歸一化后的夜間燈光指數NTL、人口分布數據PD、以及土地利用數據LU的指標權重。參照陳泓瑾等[4]研究成果，、、分別取0.3、0.3、0.4。

2.4 LER和HAI分級標準

有鑒于研究涉及的時間跨度較大，尺度較多，為便于直觀展示1990—2020年間不同尺度下LER及HAI時空演化特征，參照已有研究成果[24]，采用Jenks最佳自然斷裂法，將LER與HAI由低向高劃分為5個等級。

2.5 時空關聯分析

2.5.1 Copula函數建模

Copula理論是由Sklar于1959年首次提出，旨在揭示不同變量間線性及非線性的復雜關系，傳統皮爾遜相關分析僅能夠度量線性變化下保持穩定的指標，其數據要求嚴格的正態分布，難以捕捉變量間的非線性關系[25]。Copula函數可有效避免以上問題，現已在經濟學、生態學、氣象學等復雜科學領域得到廣泛的應用[26]。常見的Copula參數族包括橢球Copula（二元Gaussian Copula、二元t-Copula）、阿基米德Copula（二元Gumbel Copula、Clayton Copula、Frank Copula）。不同Copula函數的選擇直接關乎不同變量間關聯測度的結果，因此Copula建模的一個核心問題便是Copula函數的選擇問題。本研究基于Copula理論，采用非參數估計，借助核分布估計法調用合適的Copula函數，構建LER-HAI互動關系分析模型，采用平方歐氏距離2（其值越小，模型擬合度越高）對模型進行驗證，完成Copula函數的尋優計算，分析LER-HAI的時序演變規律。研究選用Kendall以及Spearman秩相關系數對LER與HAI的互動關系進行測度，二者在數據服從正態分布時與Spearman相關測度結果一致，相較之下，Kendall和Spearman秩相關系數能夠同時測度變量間線性及非線性的復雜作用關系，其相關性測度結果更加可靠[27]。建模過程通過MATLAB 19b軟件完成，不同函數的表達式見文獻[28]。

2.5.2 雙變量局部空間自相關

為進一步刻畫長三角地區HAI與LER在空間上的互動關系變化，本研究借助雙變量局部空間自相關分析方法，探究LER與HAI的空間關聯模式，并通過GeoDa 1.18軟件繪制LISA聚類圖。模型的具體表達式參照文獻[29]。

2.5.3 耦合測度

借助物理學中的耦合模型，構建LER與HAI的耦合協調度模型，定量分析長三角地區LER與HAI耦合過程與演進趨勢，計算式為

式中表示長三角地區LER與HAI的耦合系數，反映二者間相互影響的程度；表示二者間的綜合調和指數（本研究參照前人[30]研究成果，待定系數和取0.5）；表示LER與HAI的耦合協調程度。

3 結果與分析

3.1 長三角地區LER時空特征分析

1990—2020年間不同尺度下長三角地區景觀生態時空變化特征，如圖1、圖2所示。整體來看，1990—2020年間不同尺度下長三角LER高風險面積占比均呈現下降趨勢，低風險地區均呈現上升趨勢，中風險地區擴大趨勢明顯；3種尺度下的LER空間分布存在明顯的共性規律，即北高南低的空間分布格局，高風險區主要分布在長江以北地區，低風險區主要分布于皖西、皖南、浙西南地區。不同尺度下LER呈現不同的尺度響應特征，其中市域尺度下，高風險區較其他尺度減少最為明顯，1990 —2020年間下降了19.51個百分點，低風險區增長較其他尺度亦最為明顯，但中低風險區域呈現減少趨勢，因此低及中低風險區總體增長趨勢較低，僅為4.88%。縣域尺度層面，高風險及中高風險區域面積占比均呈現減少趨勢，30 a間分別減少17.60和3.60個百分點，低及中低風險區總體增幅較其他尺度最為明顯，1990 —2020年間共增加了16.29個百分點。格網尺度層面，高風險區占比較低，減勢平緩，中高風險區占比1990—2020年間減少了8.79個百分點，中風險區域整體穩定在31.00%左右，低及中低風險區總體占比較大，但總體增幅較低，30 a間總體增加了10.39個百分點。

3.2 長三角地區HAI時空特征分析

1990—2020年間不同尺度下長三角地區HAI的時空變化特征，如圖3所示。3種尺度下，區域HAI時空變化整體保持一致，其中高強度及中高強度區域面積占比持續上升，中強度Ⅲ區域面積占比相對穩定，中低強度及低強度區域面積占比均呈現下降趨勢，這表明1990—2020年間長三角區域人類活動呈現低強度向高強度遞進的時序變化特征。空間上長三角地區HAI呈現東北高西南低的空間分布格局，其中高強度地區主要圍繞以上海為核心的長三角城市群附近，而低強度區則主要分布在皖西、皖南及浙西地區的丘陵山地附近。具體到不同的尺度條件下長三角地區HAI的時空特征而言，市域尺度向格網尺度的遞減變化過程中，高強度區域占比不斷擴大，在格網尺度下，高強度區占比由1990年的0.91%增長到2020年的14.33%，增幅最為明顯，達13.42個百分點，縣域尺度下，中高強度區的增幅變化最為明顯，30 a間增幅達24.10個百分點，中等強度區區域在格網尺度下減幅最為明顯，1990—2020年間減少了14.54個百分點，中低強度區在縣域尺度下變化最為明顯，達16.29個百分點，市域尺度下低強度區域的減幅最為明顯，30 a間減少達9.76個百分點。

圖1 1990—2020年不同尺度下景觀生態風險（LER）等級占比變化特征

圖2 1990—2020年不同尺度下LER時空變化特征

3.3 長三角地區LER與HAI時空關聯分析

3.3.1 特征尺度選擇

有鑒于多尺度所帶來的冗雜性，本研究參照黃木易等[31]的研究方法，基于半變異系數，選取具有最佳空間響應特征的尺度，不同尺度下LER和HAI的半變異系數如表1所示，其中半變異系數越大，表明其空間差異的信息量越豐富，反之信息量越少。綜合考慮LER和HAI的半變異系數值及樣本量，本研究將格網尺度作為LER及HAI時空關聯研究的特征尺度。

3.3.2 LER與HAI時間關聯特征

Copula函數相關性測度結果如圖4所示。選用Clayton Copula函數時，平方歐氏距離2相對較小，這說明Clayton Copula函數下的模型擬合優度最好，因此本研究主要圍繞Clayton Copula函數運算結果對1990—2020年間HAI和LER相關性進行分析。綜合Kendall以及Spearman的相關性測度結果可知，長三角地區LER與HAI呈現明顯的正向相關性，即伴隨著HAI的增加，區域LER將不斷增長。但值得注意的是1990—2020年間Kendall以及Spearman相關系數均呈現由高向低的下降趨勢，其中Kendall由1990年的0.458 5下降到2020年的0.309 8；而Spearman由1990年的0.634 8下降到2020年的0.447 3。綜合以上結果，本研究認為1990—2020年間HAI與LER始終呈現正向相關關系，且相關性減弱趨勢明顯，但在未來較長一段時間仍將呈現正向相關性。這意味著長三角地區HAI的增加對于區域LER的影響正在削弱，即二者的沖突性降低，協調性增加。

圖3 1990—2020年不同尺度下人類活動（HAI）強度時空變化特征

表1 長三角地區LER與HAI半變異系數

3.3.3 LER與HAI空間關聯特征

雙變量局部空間自相關分析結果如圖5所示，H-H區表示高HAI與高LER集聚；L-L表示低HAI與低LER集聚；H-L表示高HAI與低LER集聚；L-H表示低HAI與高LER集聚。H-H區域早期（1990年）主要分布在安徽中部、江蘇東南部以及上海周邊地區，但2000—2020年間，H-H區域呈現明顯減少趨勢，并向江蘇中部、安徽中北部轉移。L-L地區主要分布于皖西大別山、皖南丘陵、浙西南地區，1990—2000年間L-L區域面積占比穩定，2010—2020年間L-L占比呈現一定的下降趨勢。L-H地區與H-L地區則呈零星狀的空間分布特征，整體面積占比較少，L-H與H-L地區占比均呈現增長趨勢，其中L-H主要增長區域為安徽、江蘇中部及皖江城市帶地區；而H-L地區的增長區域則分布于以上海為核心的城市群周圍。

3.3.4 LER與HAI耦合度分析

為進一步探明LER與HAI之間互動關系，本研究對二者間耦合協調關系的演進趨勢進行分析，結果如圖6所示。長三角地區1990—2020年間的耦合協調度“質心”值為0.305 8。按照此前研究對于耦合協調度的范圍定義[30]，0.2<≤0.4，表示輕度失調。這表明LER與HAI處于沖突階段，且輕度失調。而1990—2020年間LER與HAI的耦合協調度整體上呈現增長趨勢，由1990年的0.303 1上升至2020年的0.311 2。這表明LER與HAI間關系逐漸由沖突向協調轉變。耦合度分析結果印證了此前關于長三角地區LER與HAI時空關聯特征的結論。

注：Kendall τ，Spearman ρ表示HAI與LER的相關系數；d2表示不同Copula函數的平方歐氏距離。

注：H-H區表示高高集聚；L-L表示低低集聚；H-L表示高低集聚；L-H表示低高集聚。

圖6 1990—2020年長三角地區耦合協調度變化

4 討 論

4.1 LER與HAI多尺度時空變化特征

1990—2020年間長三角地區不同尺度下LER等級較高地區均呈現持續減少趨勢且減勢在近年來有著明顯的加劇，而低風險等級地區呈現明顯的上升趨勢且近年來增勢愈發明顯。這與Ran等[32]此前的研究結論一致。呈現如此變化趨勢得益于2000年來中國政府針對長三角地區生態環境治理所提出的諸如：“退耕還林還草（2001年）”“大別山水土保持生態功能區（2010年）”“新安江流域生態補償試點（2011年）”等一系列支持性政策有關。長三角地區LER呈現北高南低的空間分布格局，區域東北部大面積的高風險地區減少及西南部大面積低風險區域的增長預示著長三角地區生態環境整體向好的趨勢特征，同時也表明區域政府的生態治理保護措施取得了顯著成效。

1990—2020年間，不同尺度下長三角地區HAI均呈現明顯的上升趨勢，特別是高強度地區面積占比持續增長，低強度地區面積占比呈現明顯的降低趨勢，這與長三角地區良好的自然稟賦、得天獨厚的區位優勢、發達的經濟基礎有著密切的關系，三者顯著影響并重塑著區域人口空間分布格局，使得長三角地區成為全國性的人口集聚中心。人口集聚與HAI攀升是區域社會經濟發展的必然結果，該趨勢或在未來進一步加劇。預防長三角東北部HAI較高地區的生態環境質量下降及生態風險升高，是區域生態治理與保護的重點。

尺度對于揭示LER與HAI的時空演化特征十分關鍵，由于生態系統及人類活動的高度復雜性，不同尺度下LER與HAI的時空特征存在一定的差異。但研究發現，不同尺度下，無論是長三角地區LER或是區域HAI的時空特征均存在明顯的共性，誠然亦存在一定的差異特征，這與張弛等[33]此前的研究結論較為一致。無論是LER還是HAI，二者的時空特征均會受到取樣尺度變化的影響，但這種影響并不是顛覆性的。由于較大尺度的空間幅度及粒度均高于小尺度，這就使得較大尺度下的研究分辨率偏低，局部范圍的景觀或人類活動信息易被模糊與忽略，但這并不意味著較大尺度下研究結論的失真，相反不同尺度有其對應的實踐目標。單一尺度下的LER或是HAI研究會忽略甚至扭曲其時空演變的某種規律，淡化或削弱研究結果的適用性或實踐性，區域政府在開展當地生態保護與治理實踐時，應依據不同的治理范圍及治理目標選擇合適的尺度研究結果。

4.2 LER與HAI的時空關聯

研究發現，1990—2020年間HAI與LER呈現較強的正向相關性，即HAI的增加會激發區域LER的產生，這與前人[34-35]的研究結論一致。但與之不同的是，長三角地區人類活動與生態風險間的相關系數呈現持續衰減態勢，這表明區域HAI的增加對于LER的影響正在削弱，二者關系正經歷沖突向協調的轉變。耦合度分析結果表明長三角地區LER與HAI處于輕度失調水平，但區域LER與HAI的耦合協調度卻呈現明顯的上升趨勢，這也印證了“長三角地區人類活動與生態風險間關系由沖突向協調轉變”這一結論。

傳統觀點認為人類活動加劇會給自然生態系統帶來沉重的負擔，激化區域人地關系地域系統矛盾。但近年來部分學者[36-37]研究認為，人類社會發展與自然生態環境的關系會呈現先惡化后改善的倒U形發展趨勢，即經典的“環境庫茲涅茨曲線”假說。受經濟社會發展影響，人口會向發達的城市地區集聚，高強度的人口負荷，會對區域自然生態產生一定的影響，其影響程度與區域生態承載力有關，因此長三角地區HAI與LER呈現正向相關關系，但伴隨著經濟發展至一定水平，人們生態保護意識的提高加之區域政府對于生態保護與治理力度的提升，HAI的增加對于區域LER的影響會逐步降低，甚至出現“拐點”。中國政府近20多年的生態保護實踐也表明：通過政策干預手段，能夠有效降低區域生態風險，及時修復受創的自然生態系統。

盡管HAI對LER的激化效應明顯淡化，但“沖突”向“協調”關系轉換的過程是漫長的，未來區域政府仍需加強域內的生態環境保護。當地政府可結合HAI與LER的空間關聯特征，因地制宜分區治理。其中，高HAI和高LER地區主要分布于皖中、蘇東南及上海周邊地區，但伴隨著長三角核心城市群產業升級，經濟轉型，外來務工人員呈現一定的回流趨勢[38-39]，區域發展對于自然生態系統的擾動逐漸減少，因此在近年來高強度-高風險地區整體減少，且逐漸向江蘇中部及安徽中北部擴散，而這些地區人口稠密，經濟起步晚，發展迅速，城市擴張明顯，對生態的擾動程度明顯增強。因此2010年后江蘇中部及安徽中北部地區低HAI-高LER區域明顯增多，而上海等長三角核心城市群附近地區的高HAI-低LER區域也呈現了增長趨勢。此類現象的產生，本質是長三角內部不同地區發展階段的差異所造成的[40]。未來需警惕長三角腹地經濟騰飛過程中所產生的次生環境問題，加快長三角核心區域的產業升級及經濟轉型節奏，擴大高HAI-低LER區域面積，協調二者間的關系；同時著重加強皖西、皖南、浙西南等低HAI-低LER地區的生態保護，防止區域經濟發展侵吞原有的自然生態空間。

Copula函數的應用能夠很好的彌補現有研究對變量間可能存在的非線性關系關注不足的問題，但受限于模型及連續數據缺失的影響，研究對于HAI與LER線性及非線性關系轉換的閾值揭示不足，后續需要探究更為適當方法揭示二者關系轉換的閾值，并對二者的關聯機制進行剖析。

5 結 論

本研究基于多期土地利用、夜間燈光及人口空間分布數據，分別探討了景觀生態風險（LER）與人類活動強度（HAI）的尺度響應特征，并基于Copula函數、雙變量空間自相關及耦合協調度模型，對二者的空間關聯特征進行細致分析，研究結論如下：

1）1990—2020年間不同尺度下長三角地區LER均呈現北高南低的空間分布格局，且高風險地區呈現減少趨勢，低風險地區占比明顯增多；市域尺度下，高風險地區減勢最明顯，30 a減少了19.51個百分點；縣域尺度下，低及中低風險區總體增勢最為明顯，30 a間增加了16.29個百分點。

2）不同尺度下長三角地區HAI均呈現東北高西南低的空間分布格局，高強度地區主要分布在以上海為核心的長三角城市群附近，而低強度區則主要分布在皖西、皖南及浙西南地區；1990—2020年間不同尺度下高強度區域均呈現顯著上升趨勢，而低強度區域明顯下降，其中格網尺度下高強度區域增幅最大，達13.42個百分點，市域尺度下低強度區域的減幅最為明顯，30 a間減少了9.76個百分點。

3）格網尺度為LER及HAI時空關聯研究的特征尺度。1990—2020年間長三角地區HAI與LER呈現正向相關性，但相關性呈現減弱趨勢，而二者耦合協調度呈現上升趨勢，從1990年的0.303 1上升到2020年的0.311 2，這說明區域人類活動強度對景觀生態風險的影響在減弱，兩者之間的關系正逐步從沖突轉向協調。空間上，H-H集聚區域呈現持續減少趨勢，而L-L呈現先增后減，整體減少的變化趨勢，L-H及H-L在2010年后增勢明顯，未來應結合區域LER與HAI空間關聯特征，對區域生態環境進行分區治理管控。

[1] 段群滔，羅立輝. 人類活動強度空間化方法綜述與展望：以青藏高原為例[J]. 冰川凍土，2021，43(5)：1582-1593.

Duan Quntao, Luo Lihui. Summary and prospect of spatialization method of human activity intensity: Taking the Qinghai-Tibet Plateau as an example[J]. Journal of Glaciology and Geocryology, 2021, 43(5): 1582-1593. (in Chinese with English abstract)

[2] Burkhard B, Kroll F, Nedkov S, et. al. Mapping ecosystem service supply, demand and budgets[J]. Ecological Indicators, 2012, 21: 17-29.

[3] 劉坤，于賜剛，張藝凡，等. 青藏高原自然保護區人類活動及其影響研究現狀與熱點[J]. 應用與環境生物學報，2022，28(2)：508-516.

Liu Kun, Yu Cigang, Zhang Yifan, et al. Research status and current hotspots on the human impact on natural reserves in the Qinghai-Tibetan Plateau[J]. Chinese Journal of Applied and Environmental, 2022, 28(2): 508-516. (in Chinese with English abstract)

[4] 陳泓瑾，劉琳，張正勇，等. 天山北坡人類活動強度與地表溫度的時空關聯性[J]. 地理學報，2022，77(5)：1244-1259.

Chen Hongjin, Liu Lin, Zhang Zhengyong, et al. Spatiotemporal correlation between human activity intensity and surface temperature on the north slope of Tianshan Mountains[J]. Acta Geographica Sinica, 2022, 77(5): 1244-1259. (in Chinese with English abstract)

[5] 彭建，黨威雄，劉焱序，等. 景觀生態風險評價研究進展與展望[J]. 地理學報，2015，70(4)：664-677.

Peng Jian, Dang Weixiong, Liu Yanxu, et al. Review on landscape ecological risk assessment[J]. Acta Geographica Sinica, 2015, 70(4): 664-677. (in Chinese with English abstract)

[6] 劉希朝，李效順，蔣冬梅. 基于土地利用變化的黃河流域景觀格局及生態風險評估[J]. 農業工程學報，2021，37(4)：265-274.

Liu Xizhao, Li Xiaoshun, Jiang Dongmei. Landscape pattern identification and ecological risk assessment using land-use change in the Yellow River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(4): 265-274. (in Chinese with English abstract)

[7] 馬勝，梁小英，劉迪，等. 生態脆弱區多尺度景觀生態風險評價：以陜西省米脂縣高渠鄉為例[J]. 生態學雜志，2018，37(10)：3171-3178.

Ma Sheng, Liang Xiaoying, Liu Di, et al. Multi-scale landscape ecological risk assessment in ecologically fragile regions: A case study in Gaoqu Town in Mizhi County, Shaanxi Province[J]. Chinese Journal of Ecology 2018, 37(10): 3171-3178. (in Chinese with English abstract)

[8] 楊伶，鄧敏，王金龍，等. 近40年來洞庭湖流域土地利用及生態風險時空演變分析[J]. 生態學報，2021，41(10)：3929-3939.

Yang Lin, Deng Min, Wang Jinlong, et al. Spatiotemporal evolution of landuseand ecological risk in Dongting Lake Basin during 1980-2018[J]. Acta Ecologica Sinica, 2021, 41(10): 3929-3939. (in Chinese with English abstract)

[9] Zeng C, He J, He Q, et al. Assessment of land use pattern and landscape ecological risk in the Chengdu-Chongqing Economic Circle, Southwestern China[J]. Land, 2022, 11(5): 659-676.

[10] Hou Y, Ding W, Liu C, et al. Influences of impervious surfaces on ecological risks and controlling strategies in rapidly urbanizing regions[J]. Science of the Total Environment, 2022, 825: 153823.

[11] 李少玲，謝苗苗，李漢廷，等. 資源型城市景觀生態風險的時空分異：以烏海市為例[J]. 地學前緣，2021，28(4)：100-109.

Li Shaoling, Xie Miaomiao, Li Hanting, et al. Spatiotemporaldynamics of landscape ecological risk in resource-based cities: A case study of Wuhai[J]. Earth Science Frontiers, 2021, 28(4): 100-109. (in Chinese with English abstract)

[12] 陳心怡，謝跟蹤，張金萍. 海口市海岸帶近30年土地利用變化的景觀生態風險評價[J]. 生態學報，2021，41(3)：975-986.

Chen Xinyi, Xie Gengzong, Zhang Jinping. Landscape ecological risk assessment of land use changes in the coastal area of Haikou City in the past 30 years[J]. Acta Ecologica Sinica, 2021, 41(3): 975-986. (in Chinese with English abstract)

[13] 徐蘭，羅維，周寶同. 基于土地利用變化的農牧交錯帶典型流域生態風險評價：以洋河為例[J]. 自然資源學報，2015，30(4)：580-590.

Xu Lan, Luo Wei, Zhou Baotong. Landscape ecological risk assessment of farming-pastoral ecozone based on land use change: A case study of the Yanghe Watershed, China[J]. Journal of Natural Resources, 2015, 30(4): 580-590. (in Chinese with English abstract)

[14] 楊馗，信桂新，蔣好雨，等基于最佳尺度的景觀生態風險時空變化研究：以重慶市江津區為例[J]. 生態與農村環境學報，2021，37(5)：576-586.

Yang Kui, Xin Guixin, Jiang Haoyu, et al. Study on spatiotemporal changes of landscape ecological risk based on the optimal spatial scale: A case study of Jiangjin District, Chongqing City[J]. Journal of Ecology and Rural Environment, 2021, 37(5): 576-586. (in Chinese with English abstract)

[15] Yang Z, Zhan J, Wang C, et al. Coupling coordination analysis and spatiotemporal heterogeneity between sustainable development and ecosystem services in Shanxi Province, China[J]. Science of the Total Environment, 2022, 836: 155625.

[16] Guo S, Wu C, Wang Y, et al. Threshold effect of ecosystem services in response to climate change, human activity and landscape pattern in the upper and middle Yellow River of China[J]. Ecological Indicators, 2022, 136: 108603.

[17] Gong J, Liu D, Zhang J, et al. Tradeoffs/synergies of multiple ecosystem services based on land use simulation in a mountain-basin area, western China[J]. Ecological Indicators, 2019, 99: 283-293.

[18] 黃孟勤，李陽兵，李明珍，等. 三峽庫區人類活動強度與景觀格局的耦合響應[J]. 生態學報，2022，42(10)：3959-3973.

Huang Mengqin, Li Yangbing, Li Mingzhen, et al. Coupling response of Human activity intensity and landscape pattern in the Three Gorges Reservoir Area[J]. Acta Ecologica Sinica, 2022, 42(10): 3959-3973. (in Chinese with English abstract)

[19] 方林，蔡俊，劉艷曉，等. 長三角地區生態系統服務價值動態演化及驅動力分析[J]. 生態與農村環境學報，2022，38(5)：556-565.

Fang Lin, Cai Jun, Liu Yanxiao, et al. Dynamic evolution of ecosystem service value in Yangtze River Delta and analysis on the driving factors[J]. Journal of Ecology and Rural Environment, 2022, 38(5): 556-565. (in Chinese with English abstract)

[20] Liao G, He P, Gao X, et al. Land use optimization of rural production-living-ecological space at different scales based on the BP-ANN and CLUE-S models[J]. Ecological Indicators, 2022, 137: 108710.

[21] 尉芳，劉京，夏利恒，等. 基于LUCC的陜西渭北旱塬區景觀生態風險評價[J]. 中國環境科學，2022，42(4)：1963-1974.

Wei Fang, Liu Jing, Xia Liheng, et al. Landscape ecological risk assessment in Weibei dryland region of Shaanxi Province based on LUCC[J]. China Environmental Science,2022, 42(4): 1963-1974. (in Chinese with English abstract)

[22] Huang X, Wang X, Zhang X, et al. Ecological risk assessment and identification of risk control priority areas based on degradation of ecosystem services: A case study in the Tibetan Plateau[J]. Ecological Indicators, 2022, 141: 109078.

[23] 榮益，李超，許策，等. 城鎮化過程中生態系統服務價值變化及人類活動影響的空間分異：以黃驊市為例[J]. 生態學雜志，2017，36(5)：1374-1381.

Rong Yi, Li Chao, Xu Ce, et al. Ecosystem service values and spatial differentiation changes during urbanization: A case study of Huanghua City[J]. Chinese Journal of Ecology, 2017, 36(5): 1374-1381. (in Chinese with English abstract)

[24] 于淑會，康園園，鄧偉，等. 太行山東部縣域“三生”用地轉型與景觀生態風險分析：以河北省平山縣為例[J]. 中國生態農業學報(中英文)，2022，30(7)：1113-1122.

Yu Shuhui, Kang Yuanyuan, Deng Wei, et al. Analysis of “production-living-ecological” land transformation and landscape ecological risk in the eastern counties of the Taihang Mountain: A case study in Pingshan County[J]. Chinese Journal of Eco-Agriculture, 2022, 30(7): 1113-1122. (in Chinese with English abstract)

[25] 董立寬，方斌，王晨歌. 基于Copula函數的茶園土壤銅鋅空間協同效應研究[J]. 自然資源學報，2018，33(5)：867-878.

Dong Likuan, Fang Bin, Wang Chen’ge. Study on the spatial synergistic effect of copper and Zincin tea garden soil based on Copula function[J]. Journal of Natural Resources, 2018, 33(5): 867-878. (in Chinese with English abstract)

[26] Abakah E J A, Addo E, Gil-Alana L A, et al. Re-examination of international bond market dependence: Evidence from a pair copula approach[J]. International Review of Financial Analysis, 2021, 74: 101678.

[27] 張齡月. 一類有關隨機向量間非線性相依度量的研究及其應用[D]. 大連：大連理工大學，2021.

Zhang Linyue. The Measures of Nonlinear Dependence for Random Vectors and Their Application[D]. Dalian: Dalian University of Technology, 2021. (in Chinese with English abstract)

[28] 魏立力，李賀. 基于Copula函數的CPI與PPI相關性分析[J]. 數學的實踐與認識，2020，50(6)：1-7.

Wei Lili, Li He. Dependence analysis of CPI and PPI based on Copula function[J]. Mathematics in Practice and Theory, 2020, 50(6): 1-7. (in Chinese with English abstract)

[29] 朱從謀，李武艷，杜瑩瑩，等. 浙江省耕地多功能價值時空變化與權衡—協同關系[J]. 農業工程學報，2020，36(14)：263-272.

Zhu Congmou, Li Wuyan, Du Yingying, et al. Spatial-temporal change, trade-off and synergy relationships of cropland multifunctional value in Zhejiang Province, China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(14): 263-272. (in Chinese with English abstract)

[30] 朱慶瑩，涂濤，陳銀蓉，等. 長江經濟帶產業結構與土地利用效率協調度的時空格局分析[J]. 農業工程學報，2021，37(23)：235-246.

Zhu Qingying, Tu Tao, Chen Yinrong, et al. Spatio-temporal pattern for the coordination degree between industrial structure and land use efficiency of Yangtze River Economic Zone[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(23): 235-246. (in Chinese with English abstract)

[31] 黃木易，岳文澤，方斌，等. 1970-2015年大別山區生態服務價值尺度響應特征及地理探測機制[J]. 地理學報，2019，74(9)：1904-1920.

Huang Muyi, Yue Wenze, Fang Bin, et al. Scale response characteristics and geographic exploration mechanism of spatial differentiation of ecosystem service values in Dabie Mountain area, central China from 1970 to 2015[J]. Acta Geographica Sinica, 2019, 74(9): 1904-1920. (in Chinese with English abstract)

[32] Ran P, Hu S, Frazier A E E, et al. Exploring changes in landscape ecological risk in the Yangtze River Economic Belt from a spatiotemporal perspective[J]. Ecological Indicators, 2022, 137: 108744.

[33] 張弛，李枝堅，曾輝. 基于小波變換的生態系統服務權衡尺度效應與影響因素研究：以珠江三角洲為例[J]. 地理研究，2022，41(5)：1279-1297.

Zhang Chi, Li Zhijian, Zeng Hui. Scale effects on ecosystem service trade-off and its influencing factors based on wavelet transform: A case study in the Pearl River Delta, China[J]. Geographical Research, 2022, 41(5): 1279-1297. (in Chinese with English abstract)

[34] 周婷，陳萬旭，李江風，等. 神農架林區人類活動與生境質量的空間關系[J]. 生態學報，2021，41(15)：6134-6145.

Zhou Ting, Chen Wanxu, Li Jangfeng, et al. Spatial relationship between human activities and habitat quality in Shennongjia Forest Region from 1995 to 2015[J]. Acta Ecologica Sinica, 2021, 41(15): 6134-6145. (in Chinese with English abstract)

[35] 李輝，紅英，鄧國榮，等. 1982—2015年氣候變化和人類活動對內蒙古草地凈初級生產力的影響[J]. 應用生態學報，2021，32(2)：415-424.

Li Hui, Hong Ying, Deng Guorong, et al. Impacts of climate change and human activities on net primary productivity of grasslands in Inner Mongolia, China during 1982-2015[J]. Chinese Journal of Applied Ecology, 2021, 32(2): 415-424. (in Chinese with English abstract)

[36] 陳改君，呂培亮. “生態正義”何以實現?——基于環境庫茲涅茨曲線的檢驗性分析[J]. 湖南社會科學，2022(3)：45-51.

Chen Gaijun, Lu Peiliang. “How to achieve ecological justice”? —Testability analysis based on environmental Kuznets curve[J]. Hunan Social Sciences, 2022(3): 45-51. (in Chinese with English abstract)

[37] 劉曉紅，江可申. 基于靜態與動態空間面板模型分析城鎮化對霧霾的影響[J]. 農業工程學報，2017，33(20)：218-225.

Liu Xiaohong, Jiang Keshen. Analyzing effect of urbanization on haze pollution based on static and dynamic spatial panel model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(20): 218-225. (in Chinese with English abstract)

[38] 王子成，趙忠. 農民工遷移模式的動態選擇：外出、回流還是再遷移[J]. 管理世界，2013(1)：78-88.

Wang Zicheng, Zhao Zhong. The dynamic choice of migrant workers' migration mode: Going out, returning or re-migration[J]. Journal of Management World, 2013(1): 78-88. (in Chinese with English abstract)

[39] 朱存泉. 長三角地區勞動力回流的動因與對策研究[D]. 蘇州：蘇州大學，2019.

Zhu Cunquan. Research on the Causes and Countermeasures of Labor Return in Yangtze River Delta Region[D]. Suzhou: Soochow University, 2019. (in Chinese with English abstract)

[40] 孫秋鵬. 經濟高質量發展對環境保護和生態文明建設的推動作用[J]. 當代經濟管理，2019，41(11)：9-14.

Sun Qiupeng. The promoting role of high-quality economic development in environmental protection and ecological civilization construction[J]. Contemporary Economic Management, 2019, 41(11): 9-14. (in Chinese with English abstract)

Scale response and spatiotemporal correlations between landscape ecological risk and human activity intensity in the Yangtze River Delta region

Fang Lin1, Fang Bin2※, Liu Yanxiao3, Cai Jun1, Li Canfeng4

(1.,,230036,; 2.,,210023,; 3.,,130024,; 4.,,650100,)

Human activity has been one of the most important factors inducing regional ecological risks in recent years. But, there are different visualization and response degree of ecological risks and human activities in different land scales. It is a high demand to scientifically analyze the correlation characteristics of regional Landscape Ecological Risk (LER) and Human Activity Intensity (HAI), in order to coordinate the territorial system of human-environment interaction for better regional high-quality development. The ever-increasing conflict can be found between ecological protection and economic and social development, due mainly to rapid urbanization. The Yangtze River Delta (YRD) is one of the typical regions with intensive human activities, remarkable economic development, and outstanding ecological status. Taking the YRD as the subject, a three-level scale of city, county, and grid was established to construct the LER and HAI assessment models, in order to characterize the spatial and temporal response at different scales. The data was also collected from the land use, nighttime lighting, and population spatial distribution in the four periods from 1990 to 2020. The Copula function, bivariate spatial autocorrelation, and coupled coordination degree models were used to reveal the spatial and temporal correlation between the LER and HAI. The results show that (1) the spatial distribution pattern of LER was high in the north of the study area, and low in the south under different scales. The high risk areas continued to decrease during 1990-2020, whereas, the low risk areas showed an increasing trend. There was the most outstanding reduction in the high risk areas at the city scale, with a decrease of 19.51 percentage points over 30 years. By contrast, there was the most significant increase in the low-medium risk and low risk areas at the county scale, indicating an increase of 16.29 percentage points over 30 years. (2) The spatial distribution pattern of HAI was high in the northeast of the study area during 1990-2020, while low in the southwest under different scales. All the regions with high HAI showed a significant increasing trend. There was a significant decreasing trend in the regions with low HAI. The high intensity region presented the largest increase at 13.42 percentage points on the grid scale, whereas, the low intensity region was the most significant decrease at 9.76 percentage points on the city scale. (3) The correlation between HAI and LER shared a positive correlation between 1990 and 2020, but the correlation between them was weakening, indicating the weak influence of regional HAI on LER. By contrast, the coupling and coordination between them showed an increasing trend from 0.3031 in 1990 to 0.3112 in 2020. It infers that the relationship between them was gradually shifting from conflict to coordination. Spatially, there was a continuous decreasing trend in the H-H clustering area. Furthermore, the L-L clustering area showed an increasing and then decreasing trend with an overall decrease. Both L-H and H-L increased significantly after 2010. The spatial correlation characteristics of regional LER and HAI were combined to manage and control the regional ecological environment. The finding can provide a theoretical basis for land management and landscape planning, together with the spatial guidelines for the regional ecological risk prevention and ecological restoration.

land use; landscape; ecology; human activity; scale response; copula function; Yangtze River Delta

10.11975/j.issn.1002-6819.2022.22.023

X321

A

1002-6819(2022)-22-0210-10

方林，方斌，劉艷曉，等. 長三角地區景觀生態風險與人類活動強度的響應及其時空關聯[J]. 農業工程學報，2022，38(22)：210-219.doi：10.11975/j.issn.1002-6819.2022.22.023 http://www.tcsae.org

Fang Lin, Fang Bin, Liu Yanxiao, et al. Scale response and spatiotemporal correlations between landscape ecological risk and human activity intensity in the Yangtze River Delta region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(22): 210-219. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.22.023 http://www.tcsae.org

2022-08-27

2022-09-27

國家自然科學基金云南聯合基金重點項目（U2102209）；國家自然科學基金項目（42071229，41671174）

方林，研究方向為土地利用與生態系統服務。Email：fl342427@126.com

方斌，教授，博士生導師，研究方向為耕地保護、土地利用及土地生態。Email：wenyanfang731@163.com