自然保護地梯次優化格局構建研究

中圖分類號：F301.23文獻標志碼：A

文章編號：1001-8158（2025）06-0139-12

自然保護地是生態建設的核心載體，在維護國家生態安全中居于首要地位[]。截至2020年，中國已建立各類自然保護地共計1.18萬處2。然而，早期我國自然保護地體系的建設缺乏整體規劃，導致布局不均衡、保護地破碎、保護與發展沖突等問題日益突出[3-5]。研究顯示，我國連通性良好的陸地自然保護地僅覆蓋了8%～12% 的陸地面積，這與《全球生物多樣性框架》提出的 30% 目標相距甚遠[]。為提升自然保護地空間布局的科學性和保護效能，2019年國務院發布了《關于建立以國家公園為主體的自然保護地體系的指導意見》，提出推動以國家公園為主體的多元化保護體系建設。因此，如何完善自然保護地空間布局是目前亟需解決的問題。

現有自然保護地空間優化研究多以生物多樣性為導向，重點關注瀕危物種或特定物種的保護需求[8-9]，通常通過分析物種的空間分布，模擬其潛在適宜棲息地，從而確定優先保護區[10-1]。這種方法的優點在于能夠精準保護某些關鍵物種，但是容易忽略生物多樣性所依賴的整體生態系統功能，未能足夠考慮生態系統在面對外界干擾時的適應性和恢復力。生態韌性是指生態系統在外部干擾下保持結構和功能穩定的能力，核心在于評估其適應性和恢復力[12]，當前已被引入自然保護地布局優化研究，用于分析生態系統功能和應對擾動的潛力[13-14]。準確有效地評價生態韌性，對自然保護地布局優化至關重要。機器學習作為一種跨領域的技術，因其強大的數據處理能力和非線性建模能力[5]，近年來被廣泛應用于精細化刻畫生態過程，精確模擬格局與過程之間的耦合關系[。隨機森林模型是機器學習的一種經典集成方法，通過構建大量決策樹并結合多數投票的方式，具有較高的穩定性和預測精度[17]。它能夠處理高維數據、非線性關系以及不同類型的輸人變量[18]，在生態保護研究中表現出良好的預測性和可靠性[19-21]，可以識別出區域內具備高生態保護潛力的區域。

在自然一經濟一社會復合生態系統中，自然保護地布局優化需要實現生態、經濟和社會效益的多目標平衡。Marxan模型是一種基于模擬退火算法的空間優化工具，廣泛應用于系統保護規劃中[9。其主要目的是在滿足特定保護目標的前提下，最大化生態效益，同時最小化保護成本[1]。Marxan模型能夠綜合考慮多種因素，包括保護目標、成本約束以及區域空間結構特性，為科學合理的優化自然保護地布局提供定量化支持[22]，已被廣泛應用于自然保護地研究[23-24]。本文在科學評價生態韌性的基礎上，采用隨機森林模型精確預測自然保護地分布適宜性，進一步結合Marxan模型，綜合考慮保護效益與保護成本，構建了既能滿足現階段生態保護實際需求，又可為未來自然保護地體系動態擴展提供框架支撐的自然保護地梯次優化格局，旨在為自然保護地布局優化提供新的思路與方法。

鄱陽湖流域是長江水系的重要組成部分，也是我國南方的重要生態防線[25]，在生物多樣性保護、水文調節、氣候調節等方面具有重要作用[2，與被譽為全國“最綠”區域之一的江西省行政范圍高度重合。近年來由于工業化城鎮化的快速推進，該流域面臨保護與發展的雙重壓力，構建科學合理的自然保護地格局是實現高質量發展的必然要求。因此，本文以鄱陽湖流域為研究對象，探索科學合理的自然保護地優化方案，具有典型性和代表性，可以為流域生態安全與可持續發展提供理論支持和實踐指導。

1研究地區與研究方法

1.1研究區概況

鄱陽湖流域地處長江中下游地區，以鄱陽湖為核心，涵蓋贛江、撫河、信江、饒河和修水五大水系，總面積約16.22萬 km² ，覆蓋了江西省 94% 的國土面積，是中國典型的內陸流域之一[27-28]（圖1）。

截至2024年，研究區域已設立542個自然保護地，總面積超過1.75萬 km² ，約占流域總面積的10.82% 左右[29]。然而，這一比例距《全球生物多樣性框架》提出的 30% 保護目標仍存在較大差距；同時，也未達到《江西省國土空間規劃（2020—2035年）》30]中提出的到2035年自然保護地面積占全省國土面積12% 以上的目標要求。如何平衡鄱陽湖流域保護與發展，構建自然保護地梯次優化格局，關系到鄱陽湖流域的可持續發展，顯得尤為重要。

圖1 研究區概況圖

Fig.1Theoverview of thestudyarea

1.2數據來源

為確定適宜的研究尺度，本文采用 1～5km 的格網尺度進行了比較分析。結果顯示， 3km 尺度能夠很好平衡空間細節，體現必要的空間差異性。基于此，本文采用了 3km 尺度，且所用數據（表1）均在ArcGIS10.2中重采樣至 3km×3km 分辨率，并統一投影至相同地理坐標系。

1.3研究方法

本文的基本思路為：（1）基于“脅迫風險一生態系統連通性一恢復潛力”三維評估框架，分析鄱陽湖流域生態韌性時空演變特征。（2）采用隨機森林算法預測自然保護地空間分布適宜性。（3）運用Marxan優化模型，綜合考慮生態保護成本和經濟保護成本，結合流域內現有自然保護地分布情況，識別出生態效益優先、經濟效益優先和生態經濟均衡考慮三種情形下的鄱陽湖流域自然保護地優先保護區，最后通過空間疊加分析，構建優先發展區、潛力儲備區和未來拓展區梯次優化格局（圖2）。

1.3.1生態韌性評價指標體系構建

生態韌性是指生態系統受到擾動后恢復到穩定

表1研究區數據來源

Tab.1 Datasourcesof thestudyarea

圖2技術路線圖

Fig.2 Technical route

狀態的能力[35]。生態系統作為自然要素與人類活動交互作用形成的自然一經濟復合體，具有高度的結構復雜性與功能多樣性[3。因此，完整理解生態韌性，需要同時考察生態系統在干擾壓力下的承受能力、內部結構過程的穩定性，以及在受損后的自我修復能力。為系統反映生態韌性的各個方面，本文從“脅迫風險一生態系統連通性一恢復潛力”三個維度構建生態韌性評價指標體系[35.37-38]

脅迫風險用于衡量潛在的生態風險以及生態系統面對外部干擾時的承受能力和影響程度[39]，這些干擾包括自然因素和人為因素。為體現自然與人為雙重壓力來源，本文選取坡度、降雨、植被覆蓋、人口密度、土地利用強度及夜間燈光指數等指標[37]。生態系統連通性用于評估生態系統內部各要素間的相互聯系與交互作用[40]，例如物種遷移、能量流動和物質循環等過程。考慮到生態系統連通性受自然格局與人為干擾共同影響，除蔓延度指數外，本文選擇水體接近度、距建設用地距離和距道路距離作為人類活動代理指標[35]。恢復潛力維度側重反映生態系統在受到干擾后實現功能重建的能力[3，綜合考慮自然修復過程與景觀結構演變對生態系統恢復潛力的影響，選取了植被蓋度變化趨勢、香農多樣性指數和香農均勻性指數等指標[37.39]。本文采用熵權法確定指標權重（表2）。

1.3.2 隨機森林模型

隨機森林是一種基于決策樹的集成學習模型，通過對原始數據集進行多次bootstrap抽樣，生成多個訓練集，并基于這些訓練集構建多棵決策樹，最終以投票或平均值得出預測結果[41]。它具有高準確性、強魯棒性、良好的非線性建模能力[42]。本文將生態韌性作為關鍵變量，構建自然保護地空間分布適宜性的預測特征矩陣。為確保景觀的完整性和模型預測的準確性，將現有保護地分布數據與網格系統進行疊加分析，剔除自然保護地面積占比不足 30% 的網格單元[43]。最終，篩選出2256個符合條件的自然保護地單元，并隨機抽取相同數量的建設用地單元作為正負樣本，用于隨機森林模型的訓練和預測。通過Python中的scikit-learn庫開展實驗，最終將自然保護地分布適宜性作為隨機森林算法的預測輸出。

1.3.3 Marxan模型

Marxan模型是一種基于模擬退火算法的系統保護規劃工具[44]。其核心理念是在滿足特定約束條件的前提下，通過優化計算確定最優空間布局，在最大化生物多樣性或生態系統服務效益的同時，盡可能降低經濟成本。Marxan模型的運算公式如下[45]：

表2生態韌性評價指標體系

Tab.2Ecologicalresilienceassessmentindices

式（1）中： Sc 表示系統的總體保護成本；Cost表示各柵格單元的保護成本；SPF是當保護目標未能實現時的懲罰系數；Penalty為懲罰權重；Boundary是邊界長度調節因子，用于優化保護方案的空間分布，在控制總成本的同時最小化邊界長度。

（1）保護目標設定。本文將隨機森林模型輸出的自然保護地適宜性作為保護自標，綜合《關于建立以國家公園為主體的自然保護地體系的指導意見》提出的目標—到2035年，要建成覆蓋 18% 陸地的自然保護地體系，以及《江西省國土空間規劃（2021—2035年）》30中提到的“到2035年，自然保護地面積占全省國土面積比例達到 12% 以上。”設置 15% 的保護目標。

（2）保護成本。本文按照 3km×3km 網格將研究區劃分為18036個規劃單元。參照侯盟等[24]的研究，將每個規劃單元的經濟成本設置為人類干擾指數的值，以反映區域開發強度和人為活動帶來的保護代價[4；同時，將生態成本設定為該單元的生態韌性值，生態韌性越低，表示生態系統對外界干擾的抵抗和恢復能力越弱，維持其生態功能所需的保護投入也相應更高。

（3）保護方案情景設置。本文設計了三種不同優化情景：生態效益優先、經濟效益優先以及生態經濟均衡發展。由于Marxan模型每次運行僅接受一個成本圖層輸入，因此需將生態成本與經濟成本按權重加權整合為統一的綜合成本圖層[1]。已有研究中，常通過專家打分法或AHP法確定各類成本的權重[，，但此類方法在宏觀尺度下主觀性較強，適用性有限。為提高參數設定的客觀性與穩健性，本文采用敏感性分析，系統比較不同權重組合下的模型輸出結果，識別各情景中最優的權重配置。

在生態效益優先情景下，將生態成本權重設置在0.7～0.9 的區間內進行靈敏性分析，經過綜合比較保護目標達成情況、總成本和空間布局，最終選擇了生態成本權重為0.8、經濟成本權重為0.2的組合。經濟效益優先情景通過降低保護成本，識別保護成本較低但仍能滿足保護目標的區域，為經濟驅動的保護政策提供指導。將經濟成本權重設置在 0.7～0.85 的范圍內進行靈敏性分析，最終確定經濟成本權重為0.75、生態成本權重為0.25的組合。生態經濟均衡情景綜合考慮生態和經濟效益，尋求保護目標與經濟發展之間的最佳折衷點。本文將生態成本和經濟成本的權重均設置為0.5。

（4）梯次優化格局構建。在Marxan模型中，合適的BLM值能夠在保護優先區的邊界長度和規劃單元的總成本之間實現平衡[47]，而SPF值則會對保護目標的實現程度產生影響[48]。在確定BLM和SPF的最優參數后，通過多次模型運算獲得最終輸出結果。Marxan模型主要生成兩類空間數據：一是最優保護優先區網絡圖層，二是不可替代性指數圖層。不可替代性指數圖層可以評估保護規劃中每個單元的相對重要性和不可替代性，而最優保護優生區網絡圖層則提供了一種具體可實施的保護規劃方案[48]，由于本文的保護對象已經通過隨機森林模型進行了適宜性概率的量化分析，為避免信息冗余，本文直接采用“最優保護優先區網絡圖層”作為優先保護區的識別依據。將三種情景下的模擬結果與鄱陽湖流域現有自然保護地進行疊加分析，構建自然保護地梯次優化格局。

2結果與分析

2.1鄱陽湖流域生態韌性時空變化與自然保護地分布適宜性預測

由圖3可以看出，2000—2020年，鄱陽湖流域生態系統整體水平持續向好，展現出逐步恢復與增強的趨勢。從各個評價指標來看，脅迫風險指數呈現倒“U”型變化，在研究期間內先上升后下降，整體增幅為0.018；生態系統連通性指數表現為波動變化，先下降后回升，2010年降至0.175，2020年回升至0.177，總體降低了0.001；恢復潛力指數在研究期間持續增長，總增幅為0.030；生態韌性均值增幅為0.031，整體呈現緩慢上升態勢。

從空間分布來看，鄱陽湖流域的高生態韌性區域集中在吉安市中部地區、新余、宜春東部與西南部以及贛州西北部，這些區域在應對環境壓力、維持鄱陽湖流域生態系統穩定、增強系統適應能力等方面發揮了重要作用。而低生態韌性區域主要分布在中部、上饒中南部、鷹潭南部、撫州東北部、宜春西北部和九江西南部，且這些低值區在研究期間呈現明顯的空間擴張趨勢。低韌性區域普遍存在生態功能退化、生物多樣性減少等問題，后期生態建設應重點加強修復與保護，提升其穩定性和生態韌性。

本文采用接收者操作特征曲線（ROC曲線）下面積（ AUC 值）作為模型性能的主要評價指標。隨機森林模型的驗證結果表明，基于ROC曲線下面積（AUC值）的評估，模型預測精度達到0.88（圖4），顯著高于85% 的基準值。這表明模型具有可靠的預測性能，可為自然保護地分布適宜性分析提供科學依據。

圖3生態韌性時空演變特征

Fig.3Spatiotemporal evolution of ecological resilience

圖4ROC曲線下面積 （AUC） 值Fig.4Area（AUC）valueundertheROCcurve

依據隨機森林模型的預測結果，采用自然斷點法將自然保護地分布適宜性預測結果分為I級0.95，1]、Ⅱ級[0.8，0.95）、Ⅲ級[0.65，0.8）、Ⅳ級[0.5，0.65）、V級[0，0.5）5個等級。根據圖5和表3，研究區域內共有3599個單元被劃分為自然保護地I級適宜區，占總評價單元的 20.0% 。這些高適宜性區域在空間上呈現出顯著的集聚特征，主要集中在九江中西部、宜春西北部、鷹潭南部、上饒西部和南部、景德鎮北部及東北部等地，整體上形成了“大集聚、小分散”的空間格局。

圖5自然保護地適宜性的空間分布

Fig.5 Thespatialdistributionof thesuitabilityofnature reserves

表3自然保護地分布適宜性預測結果

Tab.3The suitabilityprediction results of nature reserves

2.2不同情景下的鄱陽湖流域自然保護地優先保護區識別

本文首先從 0，0.000 1，0.001，…，10 000， 分別以10的數量級為單位對BLM參數進行范圍測試，每個值迭代運行100次，以初步確定合適區間，在確定的區間內進一步細化參數，最終找到最優BLM值。SPF值用于設置保護目標未達成時的懲罰強度，其最優值基于已確定的BLM值，通過多次迭代運行獲得。確定不同情景的最優參數后，迭代模型1000次，輸出最終結果。

2.2.1生態優先情景

在生態優先的情景下，將篩選出的2256個自然保護地單元的初始狀態設置為“1”，即這些規劃單元包含在初始方案中，可能會也可能不會被選人最終優化方案。將其余規劃單元的初始狀態設置為“0”，即模型根據優化結果自由選擇該規劃單元是否納入保護方案。經過多次參數優化測試，本文確定BLM為0.8為最優值。在此基礎上，針對生態效益優先情景下的SPF值開展測試，最終確定SPF的最優參數值為0.25。

選擇最優參數后，經模型迭代運算1000次，共識別出2764個規劃單元作為優先保護單元，占規劃單元總數的 15.32% 。將生態效益優先情景預測的優先保護區與自然保護地分布適宜性圖層疊加分析發現，優先保護區集中分布在適宜性較高的區域，表明模型在生態效益優先情景下識別結果與自然保護地適宜性具有較高的一致性。識別的優先保護區在空間上多連片分布于現有自然保護地周邊，主要集中分布在九江中部、景德鎮北部、吉安市西北部和贛州市西部等區域。這些區域集中覆蓋了鄱陽湖濕地、河流源頭和山地森林等生態敏感區，具備較高的生態適宜性和顯著的生態服務功能。同時，這些區域多為經濟相對欠發達或以農業為主的地區，土地開發程度較低，人類活動干擾較少，保護成本較低（圖6（a））。

2.2.2 經濟效益優先情景

在經濟效益優先的情景下，鎖定單元內自然保護地面積大于 30% 的規劃單元，將其初始狀態設置為“2”，即這些規劃單元一定會被選入最終優化方案。將其余規劃單元的初始狀態設置為“0”。經過多次參數優化測試，確定SPF和BLM的最優參數分別為0.05和0.01。經模型迭代運算1000次，最終識別出2895個優先保護單元，主要集中在九江市武寧縣和永修縣、景德鎮市浮梁縣東南部、吉安市永豐縣至撫州市宜黃縣交界的丘陵地帶，以及贛州市崇義縣和上猶縣的山地（圖6（b））。這些區域以低山丘陵為主，地勢起伏較大，開發程度較低，人類活動干擾相對較少，適宜作為自然保護地優化的重要區域。

經分析， 75.30% 的優先保護區與現有自然保護地高度重疊，表明在經濟效益優先情景下，模型傾向于保留已有自然保護地，以最大限度降低新增自然保護地的成本。其余 24.70% 集中分布在適宜性較高但未納人現有自然保護地的區域，如贛州市崇義縣和撫州市丘陵地帶，這些區域通常具有顯著的生態服務功能，但空間分布較為零散，導致生態網絡連通性不足。在這一情景下，模型傾向于選擇低成本的區域，雖然有效降低了保護成本，但也導致優先保護區分布較為分散，空間上呈現出破碎化特征

圖6三種情景下的優先保護區分布

Fig.6Distribution of prior protected areasunder the three scenarios

2.2.3生態經濟均衡情景

在生態經濟均衡情景下，鎖定單元內自然保護地面積大于等于 50% 的規劃單元，將其初始狀態設置為“2”，最終得到1662個鎖定單元。將單元內雖存在自然保護地，但其面積占該單元總面積比例不足 50% 的規劃單元，其初始狀態設為“1”。其余規劃單元的初始狀態統一設定為“0”。經過敏感性分析，確定 SPF 和BLM的最優參數值分別為1和0.5。經模型迭代運算1000次，共識別出2977個優先保護單元，占總規劃單元的 16.51% ，其中 60.83% 的優先保護單元與現有自然保護地重疊。同時，有 39.17% 的優先保護單元位于現有自然保護地之外。識別出的優先保護區呈現“聚集與零散并存”的分布特征，集中于九江市中部、宜春市西北部、景德鎮市北部、撫州市西南部及贛州市西部等地區，同時零散分布在撫州市南城縣和贛州市會昌縣至全南縣一帶。與生態效益優先和經濟效益優先兩種情景相比，生態經濟均衡情景在降低保護成本的同時，兼顧了生態效益的實現和區域自然保護地的連通性。在這一情景下，模型在選址過程中避免了單純追求低成本導致的破碎化格局，同時避免了單純追求高生態適宜性可能帶來的高經濟代價，既選擇了生態功能較強的集中分布區域，也關注到經濟代價較低的次優區域，體現了較好的平衡性。

2.3梯次優化格局構建

將生態效益優先、經濟效益優先和生態經濟均衡考慮三種情景下的自然保護地優先保護區模擬結果進行疊加分析，構建鄱陽湖流域自然保護地梯次優化格局（圖7）：即優先發展區（現有自然保護地和三次模擬中均被選中的規劃單元）、潛力儲備區（三次模擬中被選中兩次的規劃單元）、未來拓展區（三次模擬中被選中一次的規劃單元）。

鄱陽湖流域梯次優化格局共包含4324個優先保護單元。優先發展區作為核心保護對象，具有最強的生態功能和最優的布局，因此應當優先進行保護，以確保其生態穩定性。該區域由2632個規劃單元組成，其中包含376個未被現有自然保護地覆蓋的單元，集中分布于現有自然保護地周邊，形成了對現有自然保護地的有效擴展。潛力儲備區主要包括生態功能較弱但具備修復潛力的區域，這些區域將作為中長期修復的重點，不僅能夠發揮緩沖作用，還為未來生態恢復提供可調控空間。該區域包含516個規劃單元，主要涵蓋了低山丘陵地區，生態適宜性較高，且人類活動干擾較小，但由于其地理位置處于現有自然保護地外圍，未來可能受到城市擴張、農業開發或基礎設施建設的壓力，影響生態完整性。未來拓展區具有較大的生態功能潛力和較高的修復可能性，適合作為綠色發展和自然保護地擴展的戰略儲備區域。該區域包含1176個規劃單元，多位于生態脆弱和生態敏感區的過渡帶，涵蓋了退化的濕地、次生林地或低效農業用地，具備較高的生態修復潛力。從空間分布來看，未來拓展區的面積較大且區域分布較為統一，但與現有自然保護地的距離較遠，短期內難以直接增強現有自然保護地的生態連通性。

圖7自然保護地梯次優化格局

Fig.7Hierarchical optimization pattern of nature reserves

綜合考慮構建的自然保護地梯次優化格局，認為近期可以將優先發展區視為自然保護地布局優化重點。優化后，鄱陽湖流域內自然保護地單元的覆蓋率可提升至 14.59% ，滿足《江西省國土空間規劃（2020—2035年）》30提出的到2035年自然保護地面積占全省國土面積比例 12% 以上的目標。隨著生態文明建設的推進和可持續發展的需要，中遠期自然保護地布局優化可以逐步考慮潛力儲備區和未來拓展區，接近《全球生物多樣性框架 % 的目標要求。

3結論與討論

3.1結論

本文以鄱陽湖流域為研究區，構建了自然保護地梯次優化格局，為自然保護地布局優化提供了理論與方法參考。主要結論如下：

（1）在2000—2020年，生態韌性均值增幅為0.031，整體呈現緩慢上升態勢，脅迫風險指數在研究期間內先上升后下降，呈現倒“U”型變化，總體增幅0.018；生態系統連通性指數先下降再回升，最終減少0.001；恢復潛力指數持續增長。高生態韌性區域主要集中在吉安中部、新余、宜春東部與西南部及贛州西北部，低生態韌性區域則分布在中部、上饒中南部、鷹潭南部、撫州東北部、宜春西北部和九江西南部，且這些低值區在研究期間呈現明顯的空間擴張趨勢。

（2）通過自然斷點法將自然保護地分布適宜性預測結果劃分為5個等級。其中，適宜性等級達到I級的網格共有3599個，占總網格數的 20.0% ，這些高適宜性區域在空間上呈現出顯著的集聚特征，主要集中在九江中西部、宜春西北部、鷹潭南部、上饒西部和南部、景德鎮北部及東北部等地，整體呈現“大集聚、小分散”的特征。

（3）在生態效益優先情景下，優先保護區主要集中于適宜性較高的區域，表現出“大聚集、小分散”的特征；在經濟效益優先情景下，優先保護區集中于現有自然保護地重疊區域，保護成本較低，但空間上呈破碎化分布；在生態經濟均衡情景下，優先保護區覆蓋現有自然保護地的空缺區域，并在流域內形成了明顯的區域聚集性。

（4）通過整合三種情景的模擬結果，構建了梯次優化格局。近期，以優先發展區為優化重點，優化后，鄱陽湖流域自然保護地單元覆蓋率提升至 14.59% ，可以滿足《江西省國土空間規劃（2020—2035年）》提出的自然保護地面積占全省國土面積 12% 以上的目標。隨著生態文明建設的推進，中遠期自然保護地布局優化可以逐步考慮潛力儲備區和未來拓展區，接近《全球生物多樣性框架 ?30% 的目標要求。

3.2討論

本文引入“脅迫風險一生態系統連通性一恢復潛力”生態韌性評價體系，從系統視角量化自然保護地的分布適宜性，并基于Marxan模型設置生態效益優先、經濟效益優先和生態經濟均衡三種情景，進行多情景優化，通過疊加分析構建梯次保護體系，明確優先發展區、潛力儲備區和未來拓展區，為自然保護地優化提供了科學依據。

傳統的生態韌性評估往往側重于生態系統的內部特性，而忽略了生態系統在多重脅迫下的綜合反應以及不同因素之間的交互影響。本文通過整合脅迫風險、生態系統連通性和恢復潛力三者的動態關系，關注生態系統在壓力下的承受、適應和恢復能力，以及系統內部的空間聯系。其次，將生態系統連通性納入評估體系，強調生態系統之間的相互聯系，有助于識別出生態恢復中需要優先保護和加強整體連通性的區域，為韌性評估提供了一個空間層面的視角。

本文將優先發展區視為近期自然保護地布局優化的重點。將優化結果與《江西省國土空間規劃（2021一2035年）》的自然保護地體系布局進行空間對比分析，結果表明，Marxan模型識別的優先保護單元與規劃中的自然保護地發展帶在空間分布上高度一致且與生態保護紅線有一定的重疊性。同時，將優化結果與隨機森林模型預測的自然保護地分布適宜性進行對比，發現自然保護地優先發展區大部分位于適宜性較高的區域，表現出高度的空間一致性。優化后的自然保護地覆蓋率達到 14.59% ，已超過《江西省國土空間規劃（2021—2035年）》提出的 12% 目標，但與《全球生物多樣性框架》設定的 30% 愿景仍有差距。鄱陽湖流域作為國家生態文明示范區和國家重要糧食主產區，需要在生態保護、糧食安全和經濟發展之間權衡，短期內自然保護地面積難以進一步擴展。在自然保護地優化過程中，可以通過增強自然保護地網絡連通度，提升自然保護地質量進行彌補[36-39]。通過對比優先發展區和生態系統連通性高值區的空間分布，發現位于贛州市贛縣區、上猶縣，吉安市萬安縣，撫州市南城縣，以及市進賢縣等地的優先發展區連通性較高，可優先考慮納入自然保護地布局。隨著生態文明建設的不斷推進，未來可將潛力儲備區和未來拓展區逐步納入規劃體系，接近《全球生物多樣性框架 % 的目標要求。

本文通過生態韌性評價和多情景優化，科學合理構建了鄱陽湖流域的自然保護地梯次優化格局，為布局優化提供了有力支持，但在具體應用上仍有改進空間。首先，生態韌性評價體系是否完備仍有待進一步驗證，后續研究可引入更多影響因素，以豐富評估視角，提升結果的全面性和科學性。其次，Marxan模型參數（如BLM和SPF）選擇雖經過優化，但在不同情景下的參數敏感性分析仍可進一步完善，以提升優化結果的適應性和穩定性。再次，研究表明優化結果具有良好的理論價值，但需要結合地方政府需求制定更細化的實施策略，如明確優先保護區的生態修復重點、優化自然保護地擴展的分階段路徑等，以更好地促進研究成果向實踐轉化，這些都是將來深入的方向。

參考文獻（References）：

[1］中共中央辦公廳國務院辦公廳.關于建立以國家公園為主體的自然保護地體系的指導意見[EB/OL].（2019 -06 - 26）[2025-01 - 11]. https： //www.gov.cn/zhengce/2019-06/26/content_5403497.htm.

[2]馮達，胡理樂，陳建成.基于生態價值評價的北京自然保護地保護空缺分析[J].生態學雜志，2020，39（12）：4233- 4240.

[3］穆泳林，梁晨，李曉文，等.基于系統保護規劃的海河流域濕地保護優先格局與保護空缺識別[J].生態學報，2021，41（10） ： 3836 - 3845.

[4］曲藝，李佳珊，王繼豐，等.基于系統保護規劃的三江平原濕地保護網絡體系優化[J].生態學報，2015，35（19）：6394 - 6404.

[5]FONSECA C R， VENTICINQUE E M. Biodiversityconservation gaps in Brazil： a role for systematic conservationplanning[J].Perspectives in Ecology and Conservation，2018，16（2）： 61-67.

[6］趙文飛，宗路平，王夢君.中國自然保護區空間分布特征.生態學報，2024，44（7）：2786-2799.

[7］UNITED NATIONS ENVIRONMENT PROGRAMME. Post-2020 global biodiversity framework[EB/OL].（2O21-07-05）[2025-01-11]. htps： //www.cbd.int/doc/decisions/cop-15/cop-15-dec-04-zh.pdf.

[8］王芳，袁興中，熊森，等.重慶澎溪河濕地自然保護區生物多樣性空間格局及熱點區[J].應用生態學報，2020，31（5） ：1682-1690.

[9］蔣麗華，高俊琴，萬基中.氣候變化下大興安嶺地區鶴類潛在分布及優先保護區[J].應用生態學報，2019，30（7）：2457 - 2469.

［10］郭云，梁晨，李曉文.基于水鳥保護的長江流域濕地優先保護格局模擬[J].生態學報，2018，38（6）：1984－1993.

[11］盧奕帆，林錦耀.城市協同發展對糧食生產區域的影響預測——以珠三角城市群為例[J].自然資源學報，2023，38（6）： 1532 - 1549.

[12] YU S Y， KONG X S， WANG Q， et al. A new approachof Robustness-Resistance-Recovery（3Rs ）to assessingflood resilience： a case study in Dongting Lake Basin[ J].Landscape and Urban Planning，2023，230.doi： 10.1016/j.landurbplan.2022.104605.

[13］鄧楚雄，劉唱唱，李忠武.生態修復背景下流域國土空間韌性研究思路[J].中國土地科學，2022，36（5）：11-20.

[14］曹宇，王嘉怡，李國煜.國土空間生態修復：概念思辨與理論認知[J].中國土地科學，2019，33（7）：1-10.

[15］付遇堤，文志，李若男，等.基于機器學習方法的景觀斑塊屬性對物種豐富度的影響研究[J].生態學報，2024，44（11） ： 4820- 4830.

[16］李慧杰，王兵，牛香，等.機器學習技術在生態學中的應用進展[J].生態學雜志，2023，42（11）：2767-2775.

[17］王曉楠，蘇文浩，董靈波.基于隨機森林的興安落葉松天然林單木年齡預估模型[J].應用生態學報，2024，35（4）：1055 - 1063.

[18］張雷，王琳琳，張旭東，等.隨機森林算法基本思想及其在生態學中的應用——以云南松分布模擬為例[J].生態學報，2014，34（3）：650 -659.

[19]THUILLER W， LAFOURCADE B， ENGLER R， et al.BIOMOD—a platform for ensemble forecasting of speciesdistributions[J]. Ecography，2009，32（3）： 369- 373.

[20］崔晏華，劉淑德，張云雷，等.海州灣春季短蛸的棲息分布特征及其與環境因子的關系［J].應用生態學報，2022，33（6） ： 1686 -1692.

[21］張雷，劉世榮，孫鵬森，等.氣候變化對馬尾松潛在分布影響預估的多模型比較[J].植物生態學報，2011，35（11）：1091-1105.

[22］李曉文，呂江濤，智烈慧，等.基于“目標－成本－效益”協同優化的山水林田湖草沙一體化生態保護與修復格局[J].生態學報，2023，43（9）：3625-3635.

［23］梁芳源，梁晨，李曉文，等.基于系統保護規劃的松花江流域濕地優先保護格局模擬研究[J].濕地科學，2022，20（1） ： 56- 64.

［24］侯盟，唐小平，黃桂林，等.國家公園優先保護區域識別——以浙江麗水為例[J].應用生態學報，2020，31（7）：2332 - 2340.

[25］田智慧，尹傳鑫，王曉蕾.鄱陽湖流域生態環境動態評估△比「]接苧 ） 44016007

[26］段鵬，陳文波，楊歡，等.生境破碎化過程對流域生境質量的影響[J].生態學報，2024，44（14）：6053-6066.

[27］雷享勇，高路，馬苗苗，等.鄱陽湖流域極端降水時空分布和非平穩性特征[J].應用生態學報，2021，32（9）：3277 - 3287.

[28］徐羽，鐘業喜，馮興華，等.鄱陽湖流域土地利用生態風險格局[J].生態學報，2016，36（23）：7850-7857.

［29］江西省人民政府新聞辦，江西省林業局.江西省自然保護地體系建設成果新聞發布會[EB/OL].（2024－12-17）[2025-01-11]. http： //www.scio.gov.cn/xwfb/dfxwfb/gssfbh/jx_13839/202412/t20241231_879648.html.

[30］江西省人民政府.江西省國土空間規劃（2021－2035年）[EB/OL].（2024-01- 11）[2025-01-11].https：//www.jiangxi.gov.cn/jxsrmzf/ghjh/pc/content/content_1832859850426494976.html.

[31］彭守璋．中國 1km 分辨率逐月降水量數據集（1901一2023）[EB/OL]. （2024-01-01）[2025-01-11]. https：//doi.org/10.5281/zenodo.3114194.

[32]PENG S Z， DING Y X， WEN Z M， et al. Spatiotemporalchange and trend analysis of potential evapotranspirationover theLoess Plateau of China during 2011-2100[J].Agricultural and Forest Meteorology，2017，233： 183-194.

[33]DING Y X， PENG S Z. Spatiotemporal trends and attributionof drought across China from 1901-210o[J]. Sustainability，2020，12（2）. doi： 10.3390/su12020477.

[34]PENG S Z， GANG C， CAO Y， et al. Assessment of climatechange trends over the loess plateau in china from 1901 to2100[J]. International Journal of Climatology，2017，38：2250 - 2264.

[35］王文慧，鐘業喜，馬宏智，等.鄱陽湖水陸交錯帶生態韌性時空變化及影響因素[J].生態學報，2023，43（22）：9514 -9526.

[36] CUMMING G S， BARNES G， PERZ S，et al. An exploratoryframework for the empirical measurement of resilience[J].Ecosystems，2005，8：975-987.

[37］劉焱序，王仰麟，彭建，等.基于生態適應性循環三維框架的城市景觀生態風險評價[J].地理學報，2015，70（7）：

1052-1067.

[38］肖圣，多玲花，鄒自力.基于“風險-連通性-潛力”的市生態韌性評估[J].應用生態學報，2023，34（3）：733- 741.

[39］來灑灑，陳文波，危小建，等.基于生態韌性評價的鄱陽湖流域自然保護地預測與空缺區識別[J].應用生態學報，2024，35（12）：3461-3468.

[40］李嘉藝，孫璁，鄭曦.基于適應性循環理論的區域生態風險時空演變評估——以長江三角洲城市群為例[J].生態學報，2021，41（7）：2609-2621.

[41］王世航，盧宏亮，趙明松，等.基于不同特征挖掘方法結合廣義提升回歸模型估測安徽省土壤pH[J].應用生態學報，2020，31（10）：3509-3517.

[42］單云鋒，李為樂，周勝森，等.長江上游區域滑坡災害生態風險評估[J].生態學報，2024，44（24）：11437-11449.

[43]戴文昱，吳朝寧，李思青，等.基于Dobson算法的中國受威脅陸棲哺乳類優先保護識別與保護現狀分析[J].生態學報，2023，43（21）：9038-9047.

[44］姜雪嬌，李海蓉，管磊，等.基于MARXAN模型的源的識別方法改進及應用[J].科學技術與工程，2014，14（26）：309 -315.

[45]NAIDOO R，BALMFORD A，COSTANZA R， et al. Globalmaping of ecosystem services and conservation priorities[J].Proceedings of the National Academy of Sciences，2008，105（28）： 9495 -9500.

[46] FAJARDO J， LESSMANN J， BOMACCORSO E， et al.Combined use of systematic conservation planning， speciesdistribution modelling，and connectivity analysis revealssevere conservation gaps in a megadiverse country （Peru）[ J].PLoS One，2014， 9（12）.doi： 10.1371/journal.pone.0114367.

[47]MCDONNELL MD，POSSINGHAMHP，BALLIR，et al.Mathematical methods for spatially cohesive reserve design[J].Environmental Modeling amp; Assessment，20O2，7：107 -114.

[48］封志雪，周鍵，楊飛齡，等.集成生態系統服務與生物多樣性的系統保護規劃[J].生態學報，2023，43（2）：522-533.

Study on the Construction of Hierarchical Optimization Pattern for Nature Reserves： A Case Study of the Poyang Lake Basin

LAI Sasa123，CHEN Wenbo123， CHENG Yuying12.3 （1.School of Surveying and Geoinformation Engineering，East China Universityof Technology，Nanchang 30013， China; 2.Jiangxi KeyLaboratoryofWatershed Ecological Process and Information，East China UniversityofTechnology， Nanchang 330O13， China; 3.Nanchang Key Laboratory of Landscape Process and Territorial Spatial Ecological Restoration， East China University of Technology，Nanchang 33OO13， China）

Abstract：The purposeofthisstudyistoexplore scientificalyrationaloptimization strategiesfornaturereserves bytaking Poyang Lake Basin as acase study，to provide new perspectives and methodological support forthe spatial optimization of naturereserve layout.Theresearch methods areas follows.Firstly，anecological resilience assessment framework was constructed to analyze the spatiotemporal variationsof ecologicalresilience in the Poyang Lake Basin from 2OoO to 2020. Secondly，thedistributionsuitabilityof naturereserves was predictedbyaRandomForest model.Finally，theMarxan model was appliedto identifypriorityconservation areas under diferent scenarios，andahierarchical optimizationpattern was constructedaccordingly.The research results show that：1）from 2000 to 2O20，the average ecological resilience index in the Poyang Lake Basin steadily increased，but the area of low ecological resilience continued to expand. 2）High-suitability areas for nature reserves accounted for 20.0% ， with a spatial distribution pattern of large aggregation andsmalldispersion.3）By integrating optimizationoutcomes from three scenarios，i.e.，ecological prirityconomic priority，and ecological-economicbalance，a hierarchicaloptimization patern comprising priority development areas， potential reserve areas，and future expansionareas was constructed，ofering scientificsupport for optimizing the layout of naturereserves in the basin.Inconclusion，theproposedapproach to construct a hierarchical optimization patern for nature rserves demonstrates strong scientific validityand practical applicability.Inthe near term，prioritydevelopment areas canserveasthefocus ofoptimizationeforts.Duringthecontinuousadvancementofecologicalcivilization，potential reserveareas and future expansion areas can be gradually incorporated into the optimization sequence to further enhance the spatial pattern of nature reserves.

Key words： ecological resilience;random forest; Marxan model; nature reserves; hierarchical optimization pattern

（本文責編：張冰松）