基于“风险-健康-服务”的长江中游区域生态安全时空演化及影响因素

引用本文

黄鹏, 洪土林, 左腾云, 杨帆. 基于“风险-健康-服务”的长江中游区域生态安全时空演化及影响因素[J]. 环境科学, 2026, 47(4): 2440-2452.

HUANG Peng, HONG Tu-lin, ZUO Teng-yun, YANG Fan. Spatiotemporal Evolution and Influencing Factors of Ecological Security in the Middle Reaches of the Yangtze River Based on "Risk-Health-Service"[J]. Environmental Science, 2026, 47(4): 2440-2452.

基于“风险-健康-服务”的长江中游区域生态安全时空演化及影响因素

黄鹏, 洪土林, 左腾云, 杨帆

江西省自然资源权益与储备保障中心，南昌 330025

收稿日期: 2025-04-04; 修订日期: 2025-06-12

作者简介: 黄鹏（1975~），男，硕士，高级经济师，主要研究方向为生态安全评价，E-mail：87210760@qq.com

通信作者: 洪土林，E-mail：tulin1112@163.com

摘要: 科学辨识长江中游地区生态安全时空演化特征和影响因素，可为构建区域生态安全屏障提供理论参考. 基于“风险-健康-服务”框架，运用TOSIS法和地理探测器揭示长江中游地区2007~2023年生态安全时空演变特征和影响因素，借助LSTM模型探究未来趋势并提出提升路径. 结果表明：①长江中游地区生态安全水平由2007年0.371增长至2023年0.521，年均增长率为2.38%；生态安全水平空间差异显著，江西等级显著优于湖北和湖南. ②长江中游地区生态安全影响因素由人均建成区面积转变为单位GDP能耗，城镇化率与森林覆盖率交互作用最为显著. ③2024~2035年长江中游地区生态安全水平整体呈“先降后升”的变化趋势，至2035年将达到0.643. 其中，江西增速最快，湖北存在波动变化，而湖南上升速度较缓慢. ④应采取经济低碳化发展、生态修复、保护性耕作及生态协同治理等多元路径共同提升区域生态安全水平. 研究提出了“风险-健康-服务”的新框架，可为生态安全格局优化提供分析视角和理论支撑.

关键词: 区域生态安全时空演变影响因素模拟预测长江中游地区

Spatiotemporal Evolution and Influencing Factors of Ecological Security in the Middle Reaches of the Yangtze River Based on "Risk-Health-Service"

HUANG Peng , HONG Tu-lin , ZUO Teng-yun , YANG Fan

Jiangxi Provincial Natural Resources Rights and Reserve Guarantee Center, Nanchang 330025, China

Abstract: Scientific identification of the spatiotemporal evolution characteristics and influencing factors of ecological security in the middle reaches of the Yangtze River can provide theoretical references for the construction of regional ecological security barriers. Based on the "risk-health-service" framework, the TOSIS method and the geographical detector were used to reveal the spatiotemporal evolution characteristics and influencing factors of ecological security in the middle reaches of the Yangtze River from 2007 to 2023. The LSTM model was employed to explore future trends and propose improvement paths. The results show that: ①The ecological security level in the middle reaches of the Yangtze River increased from 0.371 in 2007 to 0.521 in 2023, with an average annual growth rate of 2.38%. There were significant spatial differences in the ecological security level, with Jiangxi Province having a significantly higher grade than Hubei Province and Hunan Province. ② The influencing factors of ecological security in the middle reaches of the Yangtze River have changed from per capita built-up area to energy consumption per unit GDP. The interaction between urbanization rate and forest coverage rate was the most significant. ③ From 2024 to 2035, the ecological security level in the middle reaches of the Yangtze River will show a trend of "first declining and then rising, " reaching 0.643 by 2035. Among them, Jiangxi Province had the fastest growth rate, Hubei Province had fluctuating changes, and Hunan Province had a relatively slow growth rate. ④ Multiple paths such as low-carbon economic development, ecological restoration, conservation tillage, and ecological collaborative governance should be adopted to jointly improve the regional ecological security level. The study proposed a new "risk-health-service" framework, which can provide an analytical perspective and theoretical support for the optimization of ecological security patterns.

Key words: regional ecological security spatiotemporal evolution influencing factors predictive analysis the middle reaches of the Yangtze River

生态安全是协调自然环境和社会经济发展的关键支撑，构建生态安全屏障能为区域高质量发展注入动力^[1，2]. 然而，工业化与城镇化进程中高强度、低效率的生产方式，引发生态韧性阈值突破、环境承载超限等双重制约效应，正深度瓦解“自然-经济-社会”系统的动态平衡^[3]. 为应对区域生态安全问题，中央政府实施划定生态保护红线、建设生态廊道和生态节点等措施以缓解城市生态压力^[4]. 为此，构建“风险预警-健康诊断-服务优化”分析框架，辨识生态安全屏障建设的机制识别、状态评估及策略响应，已成为构建区域生态安全屏障研究的热点方向.

国内外学者围绕生态安全评价开展了广泛研究. 在研究内容上，涵盖生态安全格局构建、预警监测和生态系统服务供求关系等领域^[5，6]；评价体系方面，从引入PSR和DPSIRM等模型^[7，8]拓展到基于遥感数据的“风险-健康-服务”多维框架^[9]，全面评估区域生态安全状态，并借助熵值法、TOPSIS模型和生态足迹法等探究区域生态安全时空格局演变特征. 影响因素多采用Tobit模型、地理探测器等揭示社会经济活动的影响. 例如，吕添贵等^[10]采用DPSIR-TOPSIS法和障碍模型探究了江西生态安全时空演化及影响因素. 朱青等^[11]基于“风险-健康-服务”评价框架揭示淮河流域生态安全的时空分布格局，并利用土地利用变化模拟模型识别影响生态安全的内外部关键因素. 综上，当前研究覆盖的尺度较多样，涉及国家、省、市以及特定景观^[12]，且在指标构建、评价方法和影响因素等方面丰富了区域生态安全理论，为本研究奠定了良好基础. 事实上，“风险-健康-服务”框架能系统解析事物变化的因果链条^[13]，但基于该框架系统来揭示生态安全演替过程的研究依然较少. 此外，对于区域生态安全进行预测分析的关注不足，致使难以响应调控生态安全治理的现实需求. 长江中游地区作为长江经济带生态廊道的核心区，社会经济迅速增长的同时面临生态问题困境，评价其生态安全显得益发重要. 鉴于此，本研究创新性地聚焦于长江中游地区，并引入“风险-健康-服务”框架理论解析生态安全的循环过程，揭示2007~2023年长江中游地区生态安全时空演化格局及影响因素，并探究未来趋势，以期为“风险-健康-服务”框架在生态安全研究中的应用提供新视角，助力区域生态安全屏障构建.

1 研究区概况与理论分析框架 1.1 研究区概况

长江中游地区包括江西、湖南和湖北这3省，由环鄱阳湖城市群、环长株潭城市群及武汉城市圈共同组成，作为中国重要粮食主产区和长江经济带热点区（图 1）. 2023年，粮食产量和经济总量均占全国比例的约11%^[14]. 同时，该地区拥有众多生物多样性优先保护区域，成为全国重要的生态绿色屏障. 然而，城镇化进程中伴随着生态问题频发. 尤其是，PM_2.5重污染发生主导因素中区域传输型污染占比高达69%，这些成为制约长江中游地区高质量发展的关键障碍^[15]. 为构建区域生态安全屏障，国务院批复《长江经济带—长江流域国土空间规划（2021—2035年）》，统筹推进生态环境保护和经济社会发展，筑牢长江经济带生态安全防线. 为此，如何科学评估长江中游地区生态安全时空特征并探究其影响因素，不仅是对长江经济带生态环境挑战的现实回应，更是构建地区生态安全新格局的必然选择.

图 1 研究区位示意 Fig. 1 Location of the research area

1.2 理论分析框架

长江中游地区生态安全涉及到保障生态环境的健康和稳定，防止生态退化和生物多样性丧失，同时促进经济社会全面绿色转型与生态环境保护的协调发展. 由PSR模型演化而生的“风险-健康-服务”框架，强调社会经济和生态环境各系统间协调联动，契合生态安全治理特征^[16]. 为此，采用“风险-健康-服务”综合框架，可阐释长江中游地区生态系统中各关键要素之间的内在联系与逻辑关系（图 2）.

图 2 理论分析框架 Fig. 2 Theoretical analysis framework

具体而言，风险层面作为生态安全循环的逻辑起点^[17]，涵盖环境污染加剧、自然资源过度开采以及人类活动频繁等多重挑战，不仅直接破坏生态系统的结构与功能，还通过累积效应侵蚀生态系统的健康基础，构成了对生态平衡与稳定的潜在威胁；健康层面是生态系统应对风险挑战的韧性体现，其核心聚焦于抵抗力、恢复力及组织力的深度融合与协同作用^[18]. 抵抗力的增强有助于生态系统抵御外界干扰，恢复力则确保生态系统在受损后能够迅速恢复，而组织力则通过区域产业优化合作与绿色治理，提升生态系统的整体协同性和稳定性. 在生态风险与挑战下，健康层面的稳固是保障生态系统服务功能持续发挥的关键；服务层面作为优化生态系统提供各种功能与调控^[19]，通过长江中游地区大气净化、水土保持、粮食生产和经济支持等服务功能的发挥，不仅直接关系区域社会经济的可持续发展，还可通过反馈机制直接作用生态风险层面，为生态保护提供更多的资金和技术支持，推动区域协同实施生态保持措施缓解生态风险. 本质上，风险、健康与服务这3个层面之间形成了既相互制约又相互促进的循环发展模式^[20，21]. 风险存在对生态系统的健康构成严峻挑战，而健康的生态系统为服务功能发挥，降低风险、维护生态平衡提供有力支撑，是区域生态安全的综合映射. 为此，基于“风险-健康-服务”框架可为分析长江中游地区生态安全循环模式提供借鉴参考.

2 材料与方法 2.1 指标选取与数据来源 2.1.1 评价指标体系

参考已有研究并结合长江中游地区生态现状特征^[22，23]，基于“风险-健康-服务”框架构建生态安全评价体系（表 1），具体如下.

表 1 生态安全评价体系^1） Table 1 Ecological security evaluation system

要素层	指标层	因子层	单位	效应	熵权法	AHP法	综合权重
风险	环境污染	工业二氧化碳排放量	t	-	0.005 8	0.059 9	0.032 9
		PM_2.5年均质量浓度	μg·m^-3	-	0.014 5	0.017 2	0.015 9
		城市污水排放量	万t	-	0.002 2	0.046 7	0.024 5
		化肥施用强度	万t	-	0.017 9	0.029 2	0.023 6
	资源使用	单位GDP能耗（以标准煤计）	万t	-	0.002 2	0.014 5	0.008 4
		工业固体废物综合利用率	%	+	0.359 0	0.005 4	0.182 2
		万元工业增加值用水量	m³	-	0.003 2	0.050 5	0.026 9
	人类活动	城镇化率	%	+	0.002 6	0.015 6	0.009 1
		人口密度	人·km^-2	-	0.014 8	0.005 8	0.010 3
		人均建成区面积	km²·万人^-1	-	0.149 3	0.018 4	0.083 9
健康	抵抗力	污水处理率	%	+	0.025 5	0.004 1	0.014 8
		森林覆盖率	%	+	0.072 9	0.009 6	0.041 3
		空气优良天数	d	+	0.035 2	0.005 0	0.020 1
	恢复力	年均降水量	亿m³	+	0.031 7	0.363 6	0.197 7
		生活垃圾无害处理率	%	+	0.050 4	0.005 2	0.027 8
		建成区绿化覆盖率	%	+	0.025 5	0.004 4	0.015 0
	组织力	第三产业增加值占GDP指数	%	+	0.107 4	0.005 6	0.056 5
		绿色专利授权数量	个	+	0.044 7	0.080 5	0.062 6
		环保占财政支出比例	%	+	0.001 4	0.041 2	0.021 3
服务	大气净化	工业二氧化硫去除量	t	+	0.001 5	0.020 5	0.011 0
	大气净化	工业烟（粉）尘去除量	t	+	0.001 5	0.025 8	0.013 7
	水土保持	水土流失治理面积	×10³ hm²	+	0.005 8	0.018 1	0.012 0
		人均水资源量	m³·人^-1	+	0.003 2	0.028 1	0.015 7
		城市建设用地面积比例	%	-	0.000 3	0.026 2	0.013 3
	粮食生产	农地规模	hm²·人^-1	-	0.009 1	0.011 8	0.010 5
	粮食生产	乡村人均农业总产值	元	+	0.004 2	0.017 3	0.010 8
	经济支持	R&D经费投入占GDP的比例	%	+	0.006 5	0.043 2	0.024 9
	经济支持	地方财政一般预算内教育支出	万元	+	0.001 9	0.026 7	0.014 3
1）效应中“+”表示正向指标，数值越大对生态安全评价结果越有利，“-”表示负向指标，数值越大对生态安全评价结果越不利

表 1 生态安全评价体系^1） Table 1 Ecological security evaluation system

（1）风险因子体现为人类活动对生态系统或其组成部分造成的潜在不良影响或风险^[24，25]，包括环境污染、资源使用和人类活动3部分. 其中，工业二氧化碳排放量、PM_2.5年均质量浓度、城市污水排放量和化肥施用强度表征生产生活中产生的各类污染^[26]；单位GDP能耗、工业固体废物综合利用率和万元工业增加值用水量表征对生态资源使用过程中的外部环境效应；城镇化率、人口密度和人均建成区面积表征人类活动对生态系统环境带来的污染压力^[27].

（2）健康因子体现为健康的生态系统能够维持其结构的完整、状态的稳定和功能的多样^[28]，对外界的各类影响具有抵抗力、恢复力和组织力^[29]. 其中，污水处理率、森林覆盖率和空气优良天数表征生态系统抵抗力，即对外部干扰的抵御能力及其自我维持的潜力；年均降水量、生活垃圾无害处理率和建成区绿化覆盖率表征生态系统恢复力，即遭受干扰后的适应性和灵活性^[30]；第三产业增加值占GDP指数、绿色专利授权数量和环保占财政支出比例表示人类为确保生态系统内部稳定性及其各组成部分的积极互动而做出的有效组织行动.

（3）服务因子体现为生态系统为人类社会提供的直接或间接的利益^[31]，包括大气净化服务、水土保持服务、粮食生产服务和经济支持服务^[32]. 其中，工业二氧化硫去除量和工业烟（粉）尘去除量反映了人类作用下大气净化的效果；水土流失治理面积、人均水资源量和城市建设用地面积比例反映对生态系统的水土资源的分配利用情况；农地规模和乡村人均农业总产值反映了生态系统的粮食生产服务状况^[33]；R&D经费投入占GDP的比例和地方财政一般预算内教育支出反映了生态系统活动对经济社会的支持助推作用^[34].

2.1.2 数据来源

本研究数据源于2007~2023年湖北、湖南和江西这3省的《统计年鉴》《水资源公报》，以及国民经济和社会发展统计公报. 此外，部分缺失数据采用插值法综合处理获取.

2.2 研究方法 2.2.1 生态安全评价指标权重确定

区域生态系统复杂性决定了指标权重设置对安全评估精度具有决定性影响. 为确保评价结果科学性，本研究采用主客观相结合的组合赋权法^[35]. 具体而言，在主观赋权方面，运用层次分析法（AHP）解析生态安全结构，确定各指标相对权重^[36]；在客观赋权方面，采用熵权法通过计算指标信息熵值来修正主观赋权可能存在的偏差，从而更准确地反映各指标的实际贡献度^[37]. 最终，通过加权平均计算获得综合权重结果（表 1），具体步骤如下.

首先，运用AHP法确定主观权重.

（1）构建比较矩阵用于反映各要素间的相对重要性关系本研究运用九级标度法建立比较矩阵^[38]，先求解矩阵的最大特征值λ_max对应特征向量W_i，随后归一化处理以确定权重分布.

（2）一致性验证对建立的比较矩阵进行一致性校验，计算公式如下：

C I = \frac{λ_{m a x}}{n - 1}

(1)

C R = \frac{C I}{R I}

(2)

式中，CI为一致性指数；λ_max为矩阵最大特征值；n为矩阵阶数；CR为一致性比率；RI为随机一致性指标参考值. 当CR < 0.10时，认为比较矩阵满足一致性要求^[39].

（3）聘请n位专家对因素按重要程度进行排序，并运用AHP计算第j位专家对m个风险因素的权重值为（W_j₁，W_j₂，…，W_jm）.

（4）确定专家权重系数并集成权重根据专家资历水平划分为资深、较资深、中等和初级这4个等级，分别对应权重系数1.0、0.75、0.5和0.25. 综合所有专家资历权重，计算复合权重值，计算公式如下：

(W_{1}, W_{2}, \dots, W_{m}) = (α_{1}, α_{2}, \dots, α_{n}) (\begin{matrix} W_{11} & \dots & W_{1 m} \\ ⋮ & ⋮ \\ W_{n 1} & \dots & W_{n m} \end{matrix})

(3)

式中：W_i（i=1，2，…，m）为考虑所有专家自身权重的综合权重值；α_j（j=1，2，…，n）为专家自身权重；W_ji（i=1，2，…，m；j=1，2，…，n）为单个专家对因素评价的权重值；m为因素个数.

其次，运用熵权法确定客观权重.

（1）标准化处理对研究区n个城市m个指标处理得到标准化数据 $r_{i j}$ ，并构成矩阵^[40] $R = {\{r_{i j}\}}_{m \times n}$ . 计算公式如下.

$ \text { 正向指标: } r_{i j}=\frac{x_{i j}-\min \left\{x_{i j}\right\}}{\max \left\{x_{i j}\right\}-\min \left\{x_{i j}\right\}} $

(4)

$ \text { 负向指标: } r_{i j}=\frac{\max \left\{x_{i j}\right\} - x_{i j}}{\max \left\{x_{i j}\right\}-\min \left\{x_{i j}\right\}} $

(5)

（2）计算熵权将第 $i$ 个评价指标定义为熵 $P_{i}$ ：

P_{i} = - k \sum_{i = 1}^{n} f_{i j} l n f_{i j} (i = 1, 2, 3, \dots, n)

(6)

f_{i j} = \frac{r_{i j}}{\sum_{i = 1}^{m} r_{i j}}, k = \frac{1}{l n m} (j = 1, 2, 3, \dots, m)

(7)

当 $f_{i j} = 0$ ，则 $f_{i j} l n f_{i j} = 0$ ，可确定第 $i$ 个指标的定义熵权 $W_{i}$ 为：

W_{i} = \frac{1 - P_{i}}{m - \sum_{i = 1}^{m} P_{i}} (0 \leq W_{i} \leq 1, \sum_{i = 1}^{m} W_{i} = 1)

(8)

（3）组合赋值确定权重基于标准化处理后的指标数据及其对应权重，采用加权求和模型计算长江中游地区生态安全评价值，模型表示为：

E = \sum_{j = 1}^{m} r_{i j} \times N_{j}

(9)

式中， $E$ 为生态安全评价值； $r_{i j}$ 为第i个指标的标准值； $N_{j}$ 为第j个指标的组合权重；n为指标个数.

2.2.2 TOSIS法评价模型

TOSIS法评价模型是一种多属性决策分析方法，通过计算各指标与正、负理想解之间的加权欧氏距离并进行排序^[41]，由此可以得出长江中游地区生态安全指数，具体计算步骤依次为：

（1）构建决策加权矩阵

Z = |Z_{i j}| = W_{j} \times R_{i j}

(10)

（2）确定正和负的理想解

V^{+} = {(V_{i j}^{'})}_{m a x}

V^{-} = {(V_{i j}^{'})}_{m i n}

(11)

（3）计算正和负理想解距离

D^{+} = \sqrt[]{\sum_{j = 1}^{n} {(Z_{i j} - V^{+})}^{2}}

(12)

D^{-} = \sqrt[]{\sum_{j = 1}^{n} {(Z_{i j} - V^{-})}^{2}}

(13)

（4）计算指标贴近度

C_{i} = \frac{D^{-}}{D^{-} + D^{+}}

(14)

2.2.3 生态安全划分标准

基于既有研究成果^[41]并考虑区域特征，将通过TOSIS法计算得到的生态安全评价值值域范围为[0，1]，其数值大小直接反映区域生态安全水平，C_i越接近1，表示评价对象越接近最优状态，生态安全水平越高，表明生态系统服务功能完善，人类活动与生态环境协调度高；C_i越接近0，表示评价对象越接近最劣状态，生态安全水平越低，表明生态系统受损严重或面临多重胁迫^[42]，并运用等距法^[43]将生态安全评价值划分不安全（Ⅰ）、较不安全（Ⅱ）、临界安全（Ⅲ）、基本安全（Ⅳ）和安全（Ⅴ）^[44]（表 2）.

表 2 生态安全评价等级 Table 2 Ecological security assessment levels of urban agglomeration

2.2.4 地理探测器

地理探测器作为一种空间异质性分析工具，可有效量化地理要素的空间分异特征及其驱动因素^[45]. 本研究利用其因子影响力探测与交互探测模块，解析区域生态安全时空格局的形成机制^[46]. 在数据处理方面，采用自然断点法对影响因素指标进行分级处理，并计算各因子及其交互作用的影响力值q. 其中，q值域为[0，1]，其数值与因子影响力呈正相关，即q值越大，表明该因子对生态安全水平的贡献度越高^[47]. 模型如下：

q = \frac{N σ^{2} - \sum_{h = 1}^{L} N_{h} σ_{h}^{2}}{N σ^{2}}

(15)

式中， $N_{h}$ 为下一级区域样本单元数；N为样本总数；L为下一级研究区域个数； $σ^{2}$ 为研究区整个生态安全水平值平方差； $σ_{h}^{2}$ 为下一级研究区域方差.

2.2.5 长短期记忆网络（LSTM）

LSTM是一种适用于时间序列预测的递归神经网络，其核心是通过门控机制^[48]（输入门、遗忘门和输出门）捕捉时间序列中的长期依赖关系，成为预测生态安全未来趋势的理想工具^[49]. LSTM通过输入历史年度的生态安全值 $X_{t} = (x_{t, 1}, x_{t, 2}, \dots, x_{t, n})$ ，输出下一年的生态安全水平 $Y_{t + 1}$ ，表达式如下：

Y_{t + 1} = W_{y} \times h_{t} + b_{y}

(16)

式中， $W_{y}$ 为输出层权重矩阵， $b_{y}$ 为输出层偏置项， $h_{t}$ 为最终隐藏状态. 网络输出表达式如下：

h_{t} = o_{t} \times t a n h (C_{t})

(17)

o_{t} = σ (W_{o} \times [h_{t - 1}, X_{t}] + b_{o})

(18)

式中， $o_{t}$ 为输出门状态. 细胞状态更新的表达式如下：

C_{t} = f_{t} \times C_{t - 1} + i_{t} \times {\tilde{C}}_{t}

(19)

式中， $C_{t}$ 为当前时间步的细胞状态， $C_{t - 1}$ 为上一时间步的细胞状态， ${\tilde{C}}_{t}$ 为候选细胞状态. 输入门状态的表达式如下：

i_{t} = σ (W_{i} \times [h_{t - 1}, X_{t}] + b_{i})

(20)

{\tilde{C}}_{t} = t a n h (W_{C} \times [h_{t - 1}, X_{t}] + b_{C})

(21)

式中， $h_{t - 1}$ 为上一时间步的隐藏状态， $i_{t}$ 为输入门状态， $b_{i}$ 和 $b_{C}$ 分别为输入门和候选细胞状态的偏置项， $W_{i}$ 和 $W_{C}$ 分别为输入门和候选细胞状态的权重矩阵^[50]. 遗忘门状态的表达式如下：

f_{t} = σ (W_{f} \times [h_{t - 1}, X_{t}] + b_{f})

(22)

式中， $f_{t}$ 为遗忘门状态， $W_{f}$ 为遗忘门的权重矩阵， $σ$ 为Sigmoid激活函数. LSTM网络的结构如图 3所示.

图 3 LSTM神经网络结构 Fig. 3 Structure of the LSTM Neural Network

3 结果与分析 3.1 生态安全格局时空演变 3.1.1 生态安全格局时序变化特征

整体上，长江中游地区生态安全水平呈现显著的改善趋势（图 4）. 具体而言，2007~2023年间，区域生态安全得分由0.371增长至0.521，年均增长率达到2.37%，整体呈现波动上升态势. 值得注意的是，2015~2021年实现显著跃升，年平均增加量高达0.014，反映自2015年“十三五”规划明确提出生态文明建设目标，以及长江经济带发展战略强化流域生态保护，推动了区域生态环境良性演化.

（a）长江中游地区生态安全得分年均值，（b）长江中游地区各省生态安全得分年均值，（c）长江中游地区各城市生态安全得分年均值图 4 2007~2023年长江中游地区生态安全时序演化 Fig. 4 Temporal evolution of ecological security in the middle reaches of the Yangtze River from 2007 to 2023

分区域看，生态安全水平存在局部性的波动，江西地区（2009~2011年）、湖北地区（2009~2011年）以及湖南地区（2013年、2015年和2018年）均出现轻微下滑. 尽管如此，2007~2023年间，长江中游地区生态安全等级实现整体提升. 具体而言，31个城市均从较不安全（Ⅱ）等级提升至临界安全（Ⅲ）等级. 值得注意的是，到2023年，吉安、上饶、南昌和长沙等6个城市生态安全评价值突破0.6，达到基本安全（Ⅳ）等级. 总体而言，长江中游地区生态安全状况显著改善，但仍需关注局部波动，持续加强生态环境保护与治理，推进区域生态安全全面可持续发展.

3.1.2 生态安全格局空间变化特征

基于典型年份，绘制并分析长江中游地区生态安全水平空间分布格局（图 5）. 研究期间长江中游地区各市生态安全水平呈现显著空间分异特征，江西地区整体优于湖北和湖南地区.

图 5 2007~2023年长江中游地区生态安全空间格局 Fig. 5 Spatial and temporal pattern of ecological security in the middle reaches of the Yangtze River from 2007 to 2023

具体而言，长江中游地区生态安全格局呈现动态优化特征. 2007年研究初期，区域生态安全水平整体偏低，大部分城市处于较不安全等级（Ⅱ），仅江西吉安、鹰潭及湖北宜昌等5市达临界安全等级（Ⅲ），反映出快速城镇化进程中生态保护措施滞后导致的系统性风险. 2012年通过实施生态优先战略，强化环境监管与生态修复工程，湖北荆门、江西上饶等新增城市达到临界安全等级（Ⅲ），但整体改善幅度仍较有限. 至2017年，三省协同推进生态屏障建设成效显著，临界安全等级（Ⅲ）的城市扩展至10个，形成以南昌、武汉和长沙为核心的区域生态安全网络. 到2023年，区域生态安全格局显著优化，大多数城市为临界安全等级（Ⅲ）. 其中，江西上饶、吉安、南昌、抚州，湖南长沙和湖北武汉6个城市成功跃升至基本安全等级（Ⅳ）. 特别是，南昌、长沙和武汉等省会城市，其通过加大环保教育支出，推进产业结构升级，持续降低单位GDP能耗，实现了生态安全水平的显著提升.

3.2 生态安全驱动因素分析 3.2.1 驱动因子影响力变化

基于因子影响力探测分析，揭示了长江中游地区生态安全时空格局演化成因，分省域对比分析2007年与2023年生态安全驱动因子的影响力变化（图 6）.

X1为工业二氧化碳排放量，X2为PM2.5年均质量浓度，X3为城市污水排放量，X4为化肥施用强度，X5为单位GDP能耗，X6为工业固体废物综合利用率，X7为万元工业增加值用水量，X8为城镇化率，X9为人口密度，X10为人均建成区面积，X11为污水处理率，X12为森林覆盖率，X13为空气优良天数，X14为年均降水量，X15为生活垃圾无害处理率，X16为建成区绿化覆盖率，X17为第三产业增加值占GDP指数，X18为绿色专利授权数量，X19为环保占财政支出比重，X20为工业二氧化硫去除量，X21为工业烟（粉）尘去除量，X22为水土流失治理面积，X23为人均水资源量，X24为城市建设用地面积比重，X25为农地规模，X26为乡村人均农业总产值，X27为R&D经费投入占GDP的比重，X28为地方财政一般预算内教育支出，下同图 6 长江中游地区生态安全因子探测结果 Fig. 6 Detection results of ecological security factors in the middle reaches of the Yangtze River

整体而言，长江中游地区生态安全的主要定量解释因子已从人均建成区面积转变为单位GDP能耗，其作用力从0.369显著提升至0.613. 在风险要素层，单位GDP能耗成为关键因素之一，高能耗增加资源消耗和污染物排放，从而对生态环境造成压力；在健康要素层，建成区绿化覆盖率作为衡量生态安全的核心指标，通过改善城市环境并提升生态系统服务功能，显著促进生态安全；在服务要素层，水土流失治理面积持续发挥重要作用，得益于“河长制”落实，水污染综合防治以及退化林修复等措施，生态环境治理成效显著.

局部而言，各省生态安全的主导影响因子类型不尽相同. 江西地区以服务要素层的工业二氧化硫去除量为主导，与其生态气象服务技术研究密切相关，凸显了工业二氧化硫治理在区域生态安全中的关键作用；湖北地区以健康要素层的绿色专利授权数量为主导，通过降低资源消耗、减少污染排放，显著提升了区域生态安全水平；湖南地区最高影响力因素从风险要素层的工业固体废物综合利用率转变为单位GDP能耗，反映了在“双控”目标约束下，湖南通过整治“化工围江”“化工围湖”、淘汰地条钢与小煤矿等落后产能以及发展战略新兴产业，有效降低工业活动对生态环境压力.

3.2.2 双因子交互作用探测

依据双因子交互探测结果（图 7），2023年双因子交互作用q值大于0.8交互类型占总数的4.19%，其中，解释效力最强的类型由单位GDP能耗∩人均水资源量（q=0.869）转变为工业二氧化硫去除量∩农地规模（q=0.915 9）. 究其原因，单位GDP能耗反映的是经济活动的能源效率，而人均水资源量则反映水资源的利用效率. 研究期间，如湖南地区通过提高能源效率、优化产业结构等手段实现了经济发展模式的转变，导致单位GDP能耗与人均水资源量的交互影响力减弱，因此其对生态安全的影响相对降低. 对比而言，工业二氧化硫去除量与农地规模交互影响力增强，对生态安全的影响更为显著. 工业污染治理力度的加大有助于减少污染物排放，改善环境质量. 而脱硫石膏改良土壤等资源化利用与高标准农田建设形成良性循环，进一步强化了该交互机制. 总体上，二者交互作用缓解了城镇化进程中可能出现的生态问题，对生态安全产生积极影响. 未来应继续加强能源效率提升、污染治理和土地合理利用等方面的措施，以进一步促进生态安全的改善.

椭圆颜色深浅表示q值大小，颜色越深，则q值越大图 7 长江中游地区生态安全驱动因子交互作用 Fig. 7 Interaction of ecological security driving factors in the middle reaches of the Yangtze River

3.3 生态安全预测分析 3.3.1 整体预测分析

本研究将数据集分为80%训练集和20%测试集，通过构建多种预测模型并比较其预测偏差来评估性能. 采用RMSE、MAE、MAPE和R²这4项指标来评估模型的准确性，结果显示LSTM模型表现最优，RMSE、MAE和MAPE值较小，R²值最接近于1，显著优于BP神经网络与支持向量机模型结果. 因此，采用LSTM模型对长江中游地区的生态安全评价值进行预测.

基于2007~2023年历史期长江中游地区的生态安全评价值，构建LSTM模型以预测2024~2035年未来期生态安全水平的未来发展趋势. 图 8预测结果显示，长江中游地区整体的生态安全水平呈现稳定上升趋势，预计增长率达到23.42%. 至2035年该地区生态安全水平将达到0.643，显示出较为稳定的生态环境. 具体而言，2024~2035年湖北生态安全水平将会出现波动变化的趋势，最低点为2024年的0.517，此后开始回升，这种波动性反映湖北的生态环境受到多种因素的复杂影响. 湖北未来生态安全水平虽有波动，但呈现向好发展的态势.

图 8 2023~2035年长江中游地区生态安全预测 Fig. 8 Ecological security prediction in the middle reaches of the Yangtze River from 2023 to 2035

此外，湖南生态安全水平上升速度较为缓慢，其增长率为11.36%，并于2035年达到0.569，处于临界安全状态. 与之相比，江西生态安全水平在波动后保持较高的增长速率，其增长率为32.60%. 此外，2028年江西生态安全水平将达到基本安全状态，表明该区域生态系统服务功能基本完善、经济发展和生态保护实现协同进步. 值得注意的是，2035年所有区域的生态安全水平将会实现明显提升，表明未来生态安全状况有明显改善.

3.3.2 区域对比分析

对比分析发现（图 8），生态安全水平增速最快的是江西，而湖南生态安全的增长速率最为缓慢. 为此，应加大对生态薄弱地区的治理力度以提高长江中游地区生态安全整体水平. 此外，未来12 a湖北与江西的生态安全水平呈现一定波动趋势，而湖南变化较平稳. 因此，未来需要关注产生波动的地区以防止出现生态安全水平下降现象. 值得注意的是，虽然各区域生态安全水平有所提升，但是仍然处于临界安全（Ⅲ）或基本安全（Ⅳ）的状态. 表明长江中游地区生态安全状况仍然面临风险与挑战，未来需持续关注与改进.

4 对策建议

结合长江中游地区生态安全水平时空演变特征、影响因子及预测分析，按照“分区管控、分类施策、动态修复”原则，提出生态安全优化路径（图 9）.

图 9 生态安全优化路径 Fig. 9 Ecological security optimization path

（1）推动低碳经济发展，优化绿色能源结构一方面，应鼓励企业采用清洁能源和提高能源利用效率的技术，推广低碳经济发展模式，以实现经济结构的绿色转型. 同时，加强区域间能源合作，共同开发和利用区域清洁能源，如水电、风能和太阳能，实现优化能源配置. 另一方面，各地区应制定节能减排政策，如对采用清洁能源的企业给予税收优惠和财政补贴，以及实施绿色建筑标准，要求新建建筑达到相应节能等级，加强依托武汉、长沙的科研院所，推动高效节能设备的研发和应用，促进绿色建筑技术的创新和推广.

（2）提升城市绿化覆盖率，制定生态修复策略城市规划应明确规定绿化覆盖率的目标，并构建城市绿地系统，增加公园、绿地和城市森林，重点对城市中的废弃地和污染地进行生态修复，以提高城市生态服务功能. 如长沙、南昌和武汉这些沿江城市可以依托其两岸的自然风光，构建沿江公园和城市森林等绿地网络，以增强城市的生态服务功能. 而对于城市中湘江新区的前工业用地等污染地，通过生态修复转化为公共绿地，提高建成区绿化覆盖率以提升城市生态品质.

（3）强化区域水土保持，促进农业保护性耕作在长江中游地区的水土流失严重区域，实施水土保持工程，如梯田建设、植被恢复和小型蓄水设施建设，以减少水土流失. 同时，推广节水灌溉技术和保护性耕作技术，减少农业活动对土壤的侵蚀，提高土壤保持能力. 婺源的怀玉山南坡等丘陵地带，应在5°~25°的缓坡地带修建梯田以减缓坡面径流，并种植百喜草、紫穗槐等护坡植物，降低雨水溅蚀. 此外，生态敏感区域，实施植被恢复项目，通过种植本土植物来固定土壤，提高土壤保持能力. 例如：宜昌三峡库区可种植芦苇、香蒲等耐淹植物；岳阳洞庭湖湿地则应在浅水区种植苦草和狐尾藻；九江庐山水源涵养区则建议采用马尾松和紫云英等深根系树种和地被植物. 同时，南昌市环鄱阳湖地区作为主要农业区，需推广保护性耕作技术，减少土壤侵蚀和提高土壤保持能力.

（4）推动生态治理协同，构建生态补偿机制建立长江中游地区生态安全协同治理机制，通过政策协调和资源共享，优化区域生态安全. 一是加快实施生态补偿政策，鼓励生态服务交易，探索生态服务市场，激励生态保护行为. 二是武汉可与黄石、鄂州等邻近城市建立政策协调平台，共同制定环境保护政策和标准，以实现区域生态安全的整体优化；三是南昌与九江、上饶等城市建立协同治理机制，应对鄱阳湖流域生态问题，实施生态补偿政策，对湿地保护区域给予财政支持，探索建立生态服务市场.

5 讨论

生态安全是人地系统可持续发展的底线保障，明晰自然资源承载力与人类发展需求是科学制定差异化治理政策的前提. 本研究基于“风险-健康-服务”综合框架构建生态安全分析框架，探讨长江中游地区生态安全时空演化特征，采用地理探测器探究其生态安全水平影响因素，借助LSTM模型预测2023~2035年地区生态安全水平和未来发展趋势，为构建区域生态安全屏障提供理论支撑. 尽管本研究基于统计数据有效揭示了生态要素间的基本相互作用关系，为生态安全评估提供了重要依据，但是未考虑到生态系统的复杂性和动态性特征. 因此，未来需构建多情景模拟体系，如基于IPCC气候场景与人口动态模型进行耦合分析，综合评估气候变化、人口增长和城市化进程等多元因素对区域生态安全的复合影响机制. 特别是在长江中游地区的生态敏感区，尤其需研究极端气候事件与快速城镇化叠加作用下，生态系统韧性阈值及关键指标的动态响应规律.

此外，在模型选取上，本研究结合地理探测器与LSTM模型的优势，构建了兼具空间异质性解析能力和动态演变预测性能的生态安全评估框架. 然而，地理探测器仅能探析静态空间异质性，对动态相互作用和非线性关系的捕捉有限. 而LSTM模型过于依赖历史数据，对突发干扰和政策驱动的系统突变预测不足. 为此，未来应引入动态贝叶斯网络增强交互效应解析能力，并融合多源实时数据提升预测灵敏度.

6 结论

（1）长江中游地区生态安全水平由2007年的0.371，增长至2023年的0.521，年均增长率为2.38%. 区域内各地市均实现了从较不安全（Ⅱ）等级跨越至临界安全（Ⅲ）等级，但与基本安全（Ⅳ）等级相比，仍有显著提升潜力. 空间上，长江中游地区生态安全水平存在差异性，江西等级显著优于湖北和湖南.

（2）长江中游地区生态安全影响因素已从人均建成区面积转变为单位GDP能耗，建成区绿化覆盖率和水土流失治理面积是衡量生态安全的重要指标，不同地区之间的因子影响力具有显著差异性. 城镇化率与森林覆盖率是交互作用中最显著的双因子.

（3）2024~2035年长江中游地区生态安全水平整体呈“先降后升”的变化趋势，至2035年达到0.643；各地区差异明显，其中，江西增速最快，湖北存在波动变化，而湖南上升速度较为缓慢.

（4）应采取经济低碳化发展、生态修复、保护性耕作及生态协同治理等多元化策略，以构建长江中游地区生态安全屏障.

参考文献

[1]	林港特, 吴耀炜, 袁海威, 等. 中国东部超大城市群生态安全格局的构建与优化策略[J]. 环境科学, 2025, 46(11): 7344-7357. Lin G T, Wu Y W, Yuan H W, et al. Construction and optimization strategies of ecological security pattern in mega urban agglomerations of eastern China[J]. Environmental Science, 2025, 46(11): 7344-7357.
[2]	Liu D, Chang Q. Ecological security research progress in China[J]. Acta Ecologica Sinica, 2015, 35(5): 111-121. DOI:10.1016/j.chnaes.2015.07.001
[3]	王权, 唐芳, 李阳兵, 等. 岩溶地区景观格局演变及其生态安全的时空分异——以贵州省东北部槽谷为例[J]. 生态学报, 2021, 41(18): 7273-7291. Wang Q, Tang F, Li Y B, et al. Spatio-temporal differentiation of landscape pattern evolution and its ecological security in karst areas: a case study of trough valley in northeast Guizhou Province[J]. Acta Ecologica Sinica, 2021, 41(18): 7273-7291.
[4]	王争磊, 乔家君, 刘海龙, 等. 黄河中游地区生态安全格局时空演变及优化策略[J]. 农业工程学报, 2024, 40(19): 231-239. Wang Z L, Qiao J J, Liu H L, et al. Spatio-temporal evolution and optimization strategy of ecological security pattern in the middle reaches of the yellow river of China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2024, 40(19): 231-239.
[5]	安睿, 窦超, 陆砚池, 等. 耦合SOM-MCR模型的多特征生态安全格局构建-以武汉城市圈为例[J]. 生态学报, 2023, 43(22): 9486-9499. An R, Dou C, Lu Y C, et al. Construction of multi-feature ecological security patterns by coupling SOM-MCR model: a case study of Wuhan metropolitan area[J]. Acta Ecologica Sinica, 2023, 43(22): 9486-9499.
[6]	Jiao M Y, Yue W Z, Suo A N, et al. Construction and influencing factors of an early warning system for marine ranching ecological security: experience from China's coastal areas[J]. Journal of Environmental Management, 2023, 335. DOI:10.1016/j.jenvman.2023.117515
[7]	崔嵩, 杜显磊, 贾朝阳, 等. 黑龙江省生态系统服务价值估算及其生态安全格局构建[J]. 环境科学, 2024, 45(11): 6489-6500. Cui S, Du X L, Jia Z Y, et al. Ecosystem service value estimation and ecological security pattern in Heilongjiang province[J]. Environmental Science, 2024, 45(11): 6489-6500.
[8]	吕添贵, 邱蓉, 赵巧, 等. 基于DPSIRM模型的长江中游城市群生态安全时空特征及障碍因素[J]. 水土保持研究, 2024, 31(2): 379-388. Lü T G, Qiu R, Zhao Q, et al. Temporal-spatial evaluation of regional ecological security and obstacle diagnosis of the urban agglomerations in the middle reaches of the Yangtze River based on DPSIRM model[J]. Research of Soil and Water Conservation, 2024, 31(2): 379-388.
[9]	谢花林, 李波. 城市生态安全评价指标体系与评价方法研究[J]. 北京师范大学学报(自然科学版), 2004, 40(5): 705-710. Xie H L, Li B. A study on indices system and assessment criterion of ecological security for city[J]. Journal of Beijing Normal University (Natural Science), 2004, 40(5): 705-710.
[10]	吕添贵, 孔安妮, 汪立. 基于DPSIR-TOPSIS模型的区域生态安全时空演化及影响因素研究[J]. 资源与产业, 2022, 24(2): 30-41. Lü T G, Kong A N, Wang L. Temporal-spatial evolution and factors of regional ecological security based on DPSIR-TOPSIS model[J]. Resources & Industries, 2022, 24(2): 30-41.
[11]	朱青, 蔡永立. 基于"风险-健康-服务"的生态安全评价框架构建及模拟预测-以淮河流域为例[J]. 自然资源学报, 2024, 39(11): 2676-2690. Zhu Q, Cai Y L. Assessment framework and simulation prediction for ecological security based on "risk-health-services": a case study of the Huaihe River Basin[J]. Journal of Natural Resources, 2024, 39(11): 2676-2690.
[12]	范强, 隋属棋, 张津宁. 基于"供需平衡-敏感性-连通性"的赤峰生态安全格局构建与优化[J]. 环境科学, 2025, 46(4): 2450-2462. Fan Q, Sui S Q, Zhang J N. Construction and optimization of ecological security pattern in Chifeng based on "supply-demand balance-sensitivity-connectivity[J]. Environmental Science, 2025, 46(4): 2450-2462.
[13]	李悦, 张合兵, 张小虎, 等. 基于熵值法和灰色预测模型的城市土地生态安全评价[J]. 环境科学与技术, 2015, 38(12): 242-247. Li Y, Zhang H B, Zhang X H, et al. Evaluation on ecological security of urban land based on entropy method and grey prediction model[J]. Environmental Science & Technology, 2015, 38(12): 242-247.
[14]	王莹, 智协飞, 白永清, 等. 长江中游地区PM_2.5重污染过程的典型天气环流分型及区域传输影响[J]. 环境科学, 2022, 43(8): 3913-3922. Wang Y, Zhi X F, Bai Y Q, et al. Analysis of typical weather circulation patterns of heavy PM_2.5 pollution and the transport pattern in the Yangtze river middle basin[J]. Environmental Science, 2022, 43(8): 3913-3922.
[15]	吕添贵, 付舒斐, 胡晗, 等. 农业绿色转型约束下耕地绿色利用效率动态演进及其收敛特征研究——以长江中游粮食主产区为例[J]. 中国土地科学, 2023, 37(4): 107-118. Lyu T G, Fu S F, Hu H, et al. Dynamic evolution and convergence characteristics of cultivated land green use efficiency based on the constraint of agricultural green transition: taking the main grain producing areas in the middle reaches of the Yangtze river as an example[J]. China Land Science, 2023, 37(4): 107-118.
[16]	金贵, 郭柏枢, 成金华, 等. 基于资源效率的国土空间布局及支撑体系框架[J]. 地理学报, 2022, 77(3): 534-546. Jin G, Guo B S, Cheng J H, et al. Layout optimization and support system of territorial space: an analysis framework based on resource efficiency[J]. Acta Geographica Sinica, 2022, 77(3): 534-546.
[17]	曹祺文, 张曦文, 马洪坤, 等. 景观生态风险研究进展及基于生态系统服务的评价框架: ESRISK[J]. 地理学报, 2018, 73(5): 843-855. Cao Q W, Zhang X W, Ma H K, et al. Review of landscape ecological risk and an assessment framework based on ecological services: ESRISK[J]. Acta Geographica Sinica, 2018, 73(5): 843-855.
[18]	Plag H P. Preface: ecosystem services, ecosystem health and human communities[J]. Physics and Chemistry of the Earth, Parts A/B/C, 2018, 104: 1-2.
[19]	任胤铭, 刘小平, 许晓聪, 等. 基于FLUS-InVEST模型的京津冀多情景土地利用变化模拟及其对生态系统服务功能的影响[J]. 生态学报, 2023, 43(11): 4473-4487. Ren Y M, Liu X P, Xu X C, et al. Multi-scenario simulation of land use change and its impact on ecosystem services in Beijing-Tianjin-Hebei region based on the FLUS-InVEST model[J]. Acta Ecologica Sinica, 2023, 43(11): 4473-4487.
[20]	Li S K, He W X, Wang L, et al. Optimization of landscape pattern in China Luojiang Xiaoxi Basin based on landscape ecological risk assessment[J]. Ecological Indicators, 2023, 146. DOI:10.1016/j.ecolind.2023.109887
[21]	Zhu Q, Cai Y L. Integrating ecological risk, ecosystem health, and ecosystem services for assessing regional ecological security and its driving factors: insights from a large river basin in China[J]. Ecological Indicators, 2023, 155. DOI:10.1016/j.ecolind.2023.110954
[22]	金贵, 邓祥征, 赵晓东, 等. 2005-2014年长江经济带城市土地利用效率时空格局特征[J]. 地理学报, 2018, 73(7): 1242-1252. Jin G, Deng X Z, Zhao X D, et al. Spatio-temporal patterns of urban land use efficiency in the Yangtze River Economic Zone during 2005-2014[J]. Acta Geographica Sinica, 2018, 73(7): 1242-1252.
[23]	张晨, 曾坚. 基于生态系统服务的大气安全理论构建与综合评价——以京津冀及周边地区2+26城市为例[J]. 地理研究, 2022, 41(4): 1018-1031. Zhang C, Zeng J. Theory construction and comprehensive evaluation of atmospheric security based on ecosystem services: a case study of"2+26"cities around Beijing-Tianjin-Hebei region[J]. Geographical Research, 2022, 41(4): 1018-1031.
[24]	丁金华, 汪大庆, 钱晶. 城市扩张情景下苏南水网景观生态风险评价与生态安全格局构建——以苏州白蚬湖片区为例[J]. 长江流域资源与环境, 2024, 33(9): 2059-2070. Ding j H, Wang D Q, Qian J. Landscape ecological risk assessment and ecological security pattern construction in the southern Jiangsu water network area under the urban expansion scenario simulation: a case study of the Baixian lake area in Suzhou[J]. Resources and Environment in the Yangtze Basin, 2024, 33(9): 2059-2070.
[25]	Li W J, Kang J W, Wang Y. Exploring the interactions and driving factors among typical ecological risks based on ecosystem services: a case study in the Sichuan-Yunnan ecological barrier area[J]. Ecological Indicators, 2025, 170. DOI:10.1016/j.ecolind.2024.113000
[26]	朱青, 蔡永立. 生态风险与生态系统健康对生态系统服务的影响[J]. 地理学报, 2024, 79(5): 1303-1317. Zhu Q, Cai Y L. Impact of ecological risk and ecosystem health on ecosystem services[J]. Acta Geographica Sinica, 2024, 79(5): 1303-1317.
[27]	Wang P J, Zhang J H, Xu D, et al. Study on driving factors of island ecosystem health and multi-scenario ecology simulation using ecological conservation and eco-friendly tourism for achieving sustainability[J]. Journal of Environmental Management, 2025, 373. DOI:10.1016/j.jenvman.2024.123480
[28]	吴艳霞, 邱乐. 黄河流域土地生态安全时空演化分析及预测[J]. 水土保持研究, 2024, 31(4): 258-265. Wu Y X, Qiu L. Analysis and prediction of temporal and spatial evolution of land ecological security in Yellow River basin[J]. Research of Soil and Water Conservation, 2024, 31(4): 258-265.
[29]	Hernández-Blanco M, Costanza R, Chen H J, et al. Ecosystem health, ecosystem services, and the well-being of humans and the rest of nature[J]. Global Change Biology, 2022, 28(17): 5027-5040. DOI:10.1111/gcb.16281
[30]	Xu M L, Matsushima H. Multi-dimensional landscape ecological risk assessment and its drivers in coastal areas[J]. Science of the Total Environment, 2024, 908. DOI:10.1016/j.scitotenv.2023.168183
[31]	Wu L, Luo Y K, Pang S J, et al. Factor analysis of hydrologic services in water-controlled grassland ecosystems by InVEST model and geodetector[J]. Environmental Science and Pollution Research, 2024, 31(13): 20409-20433. DOI:10.1007/s11356-024-32383-1
[32]	赵宾华, 黄金华, 李占斌, 等. 基于AHP-熵值法组合赋权的甘肃省城市生态用水安全综合评价及影响因素分析[J]. 水土保持通报, 2023, 43(1): 167-173, 213. Zhao B H, Huang J H, Li Z B, et al. Comprehensive evaluation and influencing factor analysis of urban ecological water security in Gansu province based on AHP-Entropy method[J]. Bulletin of Soil and Water Conservation, 2023, 43(1): 167-173, 213.
[33]	黄贤凤, 苏维词, 勾容, 等. FAST宁静区生态脆弱性时空演变及情景模拟[J]. 水土保持研究, 2025, 32(2): 295-304. Huang X F, Su W C, Gou R, et al. Spatiotemporal evolution and scenario simulation of ecological vulnerability in the FAST tranquility zone[J]. Research of Soil and Water Conservation, 2025, 32(2): 295-304.
[34]	权小丫, 苏维词, 勾容, 等. FAST宁静区生态系统服务时空分异特征及权衡/协同关系分析[J]. 中国环境科学, 2024, 44(9): 5145-5159. Quan X Y, Su W C, Gou R, et al. Analysis on spatio-temporal distribution characteristics and tradeoff-synergy of ecosystem services in the FAST tranquility zone[J]. China Environmental Science, 2024, 44(9): 5145-5159.
[35]	侯超, 张成富, 张孙健, 等. FAST周边喀斯特峰丛洼地不同演替阶段土壤微生物群落变化[J]. 环境科学与技术, 2024, 47(8): 174-185. Hou C, Zhang C F, Zhang S J, et al. Changes of soil microbial communities in different succession stages in Karst peak cluster depression around FAST[J]. Environmental Science & Technology, 2024, 47(8): 174-185.
[36]	么泽恩, 蔡海生, 张学玲, 等. 基于CRITIC-TOPSIS模型的浮梁县土地生态安全时空分异及其障碍因素分析[J]. 长江流域资源与环境, 2021, 30(10): 2452-2463. Yao Z E, Cai H S, Zhang X L, et al. Spatio-temporal differentiation and obstacle factors of land ecological security in Fuliang county based on CRITIC-TOPSIS model[J]. Resources and Environment in the Yangtze Basin, 2021, 30(10): 2452-2463.
[37]	解雪峰, 濮励杰, 朱明, 等. 基于MDS与TOPSIS模型的滨海滩涂围垦区土壤质量评价[J]. 环境科学, 2019, 40(12): 5484-5492. Xie X F, Pu L J, Zhu M, et al. Assessment of soil quality in coastal tidal flat reclamation areas based on MDS-TOPSIS model[J]. Environmental Science, 2019, 40(12): 5484-5492.
[38]	王毅勇, 周超凡, 黄榕, 等. 基于DPSIR-熵权的陕西省水生态安全评价及障碍诊断分析[J]. 环境科学, 2025, 46(7): 4335-4348. Wang Y Y, Zhou C F, Huang R, et al. Evaluation of water ecological security and analysis of barriers in Shaanxi Province based on DPSIR-entropy right[J]. Environmental Science, 2025, 46(7): 4335-4348.
[39]	张中浩, 聂甜甜, 高阳, 等. 长三角城市群生态安全评价与时空跃迁特征分析[J]. 地理科学, 2022, 42(11): 1923-1931. Zhang Z H, Nie T T, Gao Y, et al. Ecological security assessment and spatio-temporal transition characteristics in the Yangtze river delta urban agglomeration[J]. Scientia Geographica Sinica, 2022, 42(11): 1923-1931.
[40]	韩琭, 陶德鑫, 史鲁彦. 黄河流域两大区域的土地生态安全动态评价及比较[J]. 水土保持学报, 2024, 38(1): 255-266, 277. Han L, Tao D X, Shi L Y. Dynamic evaluation and comparison of land ecological security in the two regions of the Yellow river basin[J]. Journal of Soil and Water Conservation, 2024, 38(1): 255-266, 277.
[41]	邹永偲, 兰安军, 范泽孟, 等. "三生空间"视角下贵州省景观生态安全评价及其耦合特征分析[J]. 水土保持研究, 2024, 31(3): 432-442. Zou Y C, Lan A J, Fan Z M, et al. Evaluation of landscape ecological security and its coupling characteristics analysis in Guizhou province from the perspective of production-living-ecology space[J]. Research of Soil and Water Conservation, 2024, 31(3): 432-442.
[42]	王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang J F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.
[43]	李雨茹, 段伟杰, 董嘉臻, 等. 基于PMF模型和地理探测器的金陵河下游土壤重金属源风险评价[J]. 环境科学, 2025, 46(4): 2512-2524. Li Y R, Duan W J, Dong J Z, et al. Risk Assessment of soil heavy metal sources in the lower reaches of the Jinling River based on PMF model and geodetector[J]. Environmental Science, 2025, 46(4): 2512-2524.
[44]	邵嘉豪, 李晶, 闫星光, 等. 基于地理探测器的山西省2000~2020年NPP时空变化特征及驱动力分析[J]. 环境科学, 2023, 44(1): 312-322. Shao J H, Li J, Yan X G, et al. Analysis of spatiotemporal variation characteristics and driving forces of NPP in Shanxi Province from 2000 to 2020 based on Geodetector[J]. Environmental Science, 2023, 44(1): 312-322.
[45]	李瑞发, 崔旺来. 长三角城市群生态安全的时空演变及影响因素[J]. 水土保持研究, 2025, 32(2): 377-386. Li R F, Cui W L. Temporal-spatial evolution and influencing factors of ecological security in the city cluster of Yangtze River Delta[J]. Research of Soil and Water Conservation, 2025, 32(2): 377-386.
[46]	符蓉, 梁玉洁, 谢治国, 等. 汉江流域生态安全时空变化及其影响因素[J]. 水土保持研究, 2024, 31(6): 139-148, 160. Fu R, Liang Y J, Xie Z G, et al. Spatial and temporal changes in the ecological security of the Hanjiang river basin and its influencing factors[J]. Research of Soil and Water Conservation, 2024, 31(6): 139-148, 160.
[47]	李建忠, 李云梅, 余艳红, 等. 基于PLUS-GeoDetector模型的赤水河流域(云南段)土地利用驱动分析及未来发展预测[J]. 环境科学, 2026, 47(1): 517-530. Li J Z, Li Y M, Yu Y H, et al. Land use driving analysis and future development prediction of the Chishui River Basin (Yunnan section) based on the PLUS-GeoDetector model[J]. Environmental Science, 2026, 47(1): 517-530.
[48]	刘淳森, 曲建升, 葛钰洁, 等. 基于LSTM模型的中国交通运输业碳排放预测[J]. 中国环境科学, 2023, 43(5): 2574-2582. Liu C S, Qu J S, Ge Y J, et al. LSTM model-based prediction of carbon emissions from China's transportation sector[J]. China Environmental Science, 2023, 43(5): 2574-2582.
[49]	连艳琼, 苏墩煌, 施生旭. 基于STIRPAT和CNN-LSTM组合模型的福建省碳达峰预测[J]. 环境科学, 2025, 46(1): 10-18. Lian Y Q, Su D H, Shi S X. Carbon peak prediction in Fujian province based on combined STIRPAT and CNN-LSTM models[J]. Environmental Science, 2025, 46(1): 10-18.
[50]	刘杰, 陈前, 许妍, 等. 基于混合模型的长江流域洞庭湖区陆域磷输入通量及其削减预测[J]. 环境科学, 2025, 46(1): 172-183. Liu J, Chen Q, Xu Y, et al. Using hybrid modeling to examine the input flux of phosphorus and its reduction in the terrestrial area of Dongting Lake area[J]. Environmental Science, 2025, 46(1): 172-183.


环境科学 2026, Vol. 47 Issue (4): 2440-2452	PDF