环境科学  2026, Vol. 47 Issue (8): 5564-5578   PDF    
引用本文
李相逸, 王正午, 洪武扬, 张立, 陈宇, 李金鑫. 基于生态系统服务权衡与复杂网络理论的粤港澳大湾区生态网络优化[J]. 环境科学, 2026, 47(8): 5564-5578.
LI Xiang-yi, WANG Zheng-wu, HONG Wu-yang, ZHANG Li, CHEN Yu, LI Jin-xin. Optimization of Ecological Network in the Guangdong-Hong Kong-Macao Greater Bay Area Based on Ecosystem Service Trade-offs and Complex Network Theory[J]. Environmental Science, 2026, 47(8): 5564-5578.
基于生态系统服务权衡与复杂网络理论的粤港澳大湾区生态网络优化
李相逸, 王正午, 洪武扬, 张立, 陈宇, 李金鑫     
深圳大学建筑与城市规划学院，亚热带建筑与城市科学全国重点实验室，深圳 518060
收稿日期: 2025-06-03; 修订日期: 2025-09-04
基金项目: 2024年度广东省基础与应用基础研究基金自然科学基金项目（2024A1515011422）；广东省哲学社会科学规划2024年度青年项目（GD24YYS21）；深圳市基础与应用基础研究基金自然科学基金项目（JCYJ20250604182411016）；广东省哲学社会科学规划一般项目（GD24CGL11）
作者简介: 李相逸（1990~），女，博士，副教授，主要研究方向为景观生态修复与生态网络，E-mail：lixiangyi@szu.edu.cn
通信作者: 张立, E-mail：zhangliszu@szu.edu.cn
摘要: 构建生态系统服务协同发挥与稳定有效的生态网络是城市群可持续发展的重要空间途径，具有重要的理论与现实意义. 既有研究较少考虑城市群生态系统服务功能权衡对生态源地选择的影响，及针对复杂网络理论开展生态网络拓扑结构优化方法有待深入. 以超大型城市群——粤港澳大湾区为例，基于有序加权平均（OWA）模型考虑生态系统服务权衡选择协同发挥最佳的生态源地，采用最小成本路径与电路理论构建生态网络，基于复杂网络理论，依据生态网络拓扑与鲁棒性分析优化生态网络. 结果表明：①将生态系统服务权衡纳入到生态源地选择过程，能有效地识别关键生态系统服务协同发挥的生态斑块. 基于OWA模型的多权衡情景对比，最佳情景（情景3）具有最高的生态系统服务平均保护效率（1.942）和相对较低的决策风险（0.2），有效提升了生态源地选择的综合效益. ②共识别278个生态源地，分布于北部连绵山体森林生态屏障区域；700条生态廊道共6 680.627 km，与132个生态夹点和283处生态障碍点区域共同构成了一体化的生态网络. ③基于复杂网络理论的优化策略，通过对生态网络的节点与边进行空间增补，显著提升了网络的整体连通性和稳定性. 新增的32个生态源地与91条生态廊道主要集中于大湾区东部及北部等生态基底较好的区域及原有廊道连接相对薄弱的地带. 将生态系统服务权衡与复杂网络理论相结合，为超大城市群构建功能协同发挥和有效稳定的生态网络提供了新视角，为以粤港澳大湾区为代表的超大城市群应对高强度人类活动干扰下城镇发展与生态保护的空间冲突问题提供理论和实践参考.
关键词: 生态系统服务权衡      有序加权平均模型（OWA）      生态网络      鲁棒性      复杂网络优化      粤港澳大湾区（GBA）     
Optimization of Ecological Network in the Guangdong-Hong Kong-Macao Greater Bay Area Based on Ecosystem Service Trade-offs and Complex Network Theory
LI Xiang-yi , WANG Zheng-wu , HONG Wu-yang , ZHANG Li , CHEN Yu , LI Jin-xin     
State Key Laboratory of Subtropical Building and Urban Science，School of Architecture and Urban Planning，Shenzhen University，Shenzhen 518060，China
Abstract: Constructing an ecological network that promotes the synergistic delivery of ecosystem services and ensures stability and effectiveness is a crucial spatial approach for the sustainable development of urban agglomerations，possessing significant theoretical and practical implications. Existing research has seldom considered the impact of trade-offs in urban agglomeration ecosystem services on the selection of ecological sources，and in-depth exploration is needed for methods optimizing ecological network topology based on complex network theory. This study takes the Guangdong-Hong Kong-Macao Greater Bay Area（GBA），an ultra-large urban agglomeration，as a case study. It employs the ordered weighted averaging（OWA）model，considering ecosystem service trade-offs，to select ecological sources that best achieve synergistic delivery. The ecological network is constructed using the least-cost path and circuit theory and then optimized based on complex network theory，informed by topological and robustness analyses. The results indicate that：① Incorporating ecosystem service trade-offs into the ecological source selection process effectively identified ecological patches that promote the synergistic delivery of key ecosystem services. Among multiple trade-off scenarios evaluated using the OWA model，the optimal scenario（Scenario 3）demonstrated the highest average protection efficiency for ecosystem services（1.942）and a relatively low decision-making risk（0.2），significantly enhancing the overall benefits of ecological source selection. ② A total of 278 ecological sources were identified，predominantly distributed in the northern continuous mountainous forest ecological barrier zone. Together with 700 ecological corridors（totaling 6 680.627 km），132 ecological pinch points，and 283 ecological obstacle areas，they constituted an integrated ecological network. ③ Optimization strategies derived from complex network theory，involving the spatial supplementation of network nodes and edges，markedly improved the overall connectivity and stability of the ecological network. The 32 new ecological sources and 91 new ecological corridors were primarily concentrated in regions of the eastern and northern GBA with favorable ecological conditions and in areas where existing corridor connectivity was relatively weak. By integrating ecosystem service trade-offs with complex network theory，this study offers a novel perspective for establishing ecological networks that are both functionally synergistic and robustly stable in ultra-large urban agglomerations. It provides theoretical and practical references for addressing spatial conflicts between urban development and ecological conservation under intense human activity，particularly for mega-urban agglomerations exemplified by the GBA.
Key words: trade-offs in ecosystem services      ordered weighted averaging（OWA）model      ecological network      robustness      complex network optimization      Guangdong-Hong Kong-Macao Greater Bay Area（GBA）     

生态系统的多样性、稳定性和可持续发展是人类社会经济发展的重要物质基础[1，2]. 然而，随着全球城镇化和全球化进程加速，人类活动已成为重塑自然景观的核心驱动力，并引发了土地退化、生态系统服务功能衰退等诸多问题[3，4]. 尤其是经济发达、人类活动强烈、城镇化迅速的超大城市群，其生态系统维护面临的问题更为复杂和严峻[5]. 2024年党的二十届三中全会进一步强调“聚焦建设美丽中国”，加大生态系统保护力度成为实现这一目标的重要环节[6]. 生态网络的完善与优化能够维持生态系统服务功能的正常发挥，构建生态网络空间的安全格局已经成为缓解生态保护和经济发展矛盾的关键途径和方法[7]. 因此，探索并构建生态功能协同发挥、结构稳定有效的生态网络，已经成为城市群建设人与自然和谐共生的现代化的关键命题，具有重要的现实意义.

当前生态网络构建已逐渐形成了“生态源地选择-阻力面与廊道构建-生态战略点分析”的基本范式[8，9]. 其中，生态源是具有持续供给生态系统服务功能、对维持区域生态安全格局起关键作用的优质生态斑块[10]. 通过生态系统服务供给综合评估选取高价值生态斑块是确定生态源地的方法之一[11]；阻力面是生态流动过程中需要克服的景观阻力，其主要由土地利用类型进行阻值赋分，结合区域特征要素修正（夜间灯光修正[12]、石漠化修正[13]等）及多源数据综合评价等方法. 生态廊道是提供生态源地间生态流和能量流的重要通道，依据生态阻力面提取生态源地间的最优路径进行提取. 已有研究中提出了多种廊道提取模型，如：最小累积阻力模型[14]、电路理论模型[15]和图论分析方法[16]等. 在生态廊道的构建方面，已有研究表明，通过整合最小累积阻力模型与电路理论模型，能够协同优化生态网络的结构连通性与潜在廊道识别精度，从而显著提升生态廊道网络的构建效能. 最小累积阻力模型识别源地间的最小成本路径，而电路理论模型则通过模拟生态流为电流，揭示潜在的迁移通道，二者优势互补[17]；生态战略点则多通过电路理论模型识别关键生态夹点，或是将影响生态廊道质量的重要障碍区域作为亟需修复的生态障碍点[18].

生态网络理论将生态网络的“源地-廊道”视为“节点-边”的网络结构[19]，实现生态要素流动的过程与复杂网络理论的核心框架高度契合[20]. 通过生态网络结构拓扑关系，量化节点的度和聚类系数衡量生态网络连通稳定性，并模拟冲击情景下保持稳定连通的能力[7]，为结构优化提供全新解析视角[21]. 现有研究在多尺度拓展[12]和未来模拟预测[22]等方面取得进展的同时，仍存在不足：一是生态源地选择过程中对生态系统服务协同效应考虑不足. 当前在生态源地选择的综合评估中，大多直接进行空间叠加分析，忽略了生态系统服务间的权衡与协同关系[23]，易导致源地选择过程中强化了部分生态系统功能而削弱了其他功能的发挥[24]. 二是现有生态网络结构优化方法对提升网络整体的结构稳定性关注不足[25]. 传统的生态网络构建与优化侧重于保障源地间的基本连通性或识别局部保护或修复的关键节点（生态夹点与障碍点）[18，25，26]，但在城市群复杂城镇化干扰下，生态网络极易受到冲击. 现有研究在如何从网络整体拓扑结构出发，系统评估并优化生态网络以抵御扰动，进而提出增强其鲁棒性的空间途径方面仍显不足[27]. 因此，需要综合考虑生态系统服务权衡构建生态网络，并基于复杂网络理论提出优化方案，以提升生态系统的质量和稳定性.

本研究聚焦粤港澳大湾区这一典型超大城市群，通过复杂网络耦合生态系统服务权衡评估，构建并优化生态网络. 主要研究目标包括：①基于有序加权平均（OWA）模型，评估固碳量、产水量、土壤保持和生境质量这4种关键生态系统服务的协同/权衡关系，优先识别高供给-高协同的生态源地；②集成多源数据构建综合阻力面，结合最小累积阻力模型与电路理论模型构建生态廊道网络格局；③运用复杂网络理论量化拓扑结构特征，模拟不同干扰情景下的鲁棒性，提出基于节点与边的网络优化策略. 本研究结果旨在为探索超大城市群构建生态功能协同发挥和网络有效稳定的生态网络提供理论支撑与实践参考.

1 材料与方法 1.1 研究区概况

粤港澳大湾区位于我国华南地区（111°21′~115°25′E，21°34′~24°23′N，图 1），是我国典型的超大城市群，包括香港及澳门特别行政区、广州市、深圳市、珠海市、佛山市、惠州市、东莞市、中山市、江门市和肇庆市共11个城市，是我国开放程度最高、经济活力最强的区域之一，在国家发展大局中具有重要战略地位. 研究区域的总面积约为5.6万km2，地貌呈现北高南低，北部为两广丘陵，南部为珠江三角洲平原，平均海拔约133.36 m. 属南亚热带季风气候，年均温22.7 ℃，年降水量2 049.1 mm. 区域土地利用以林地（54.45%）和耕地（28.31%）为主，不透水面占比13.04%. 作为世界级湾区，粤港澳大湾区2023年城镇化率达89.0%，常住人口超8 688万，GDP高达14.05万亿元. 然而，快速的人口集聚与高强度开发正加剧区域生态本底的破碎化，城市生态压力持续增大[28].

图 1 研究区区位与土地利用 Fig. 1 Location and land use of the study area

1.2 研究思路

本研究以“生态系统服务权衡评估-多模型生态网络构建-复杂网络优化”为研究框架（图 2），针对高强度人类活动干扰下城镇发展与生态保护的空间冲突问题，研究以下3个部分：①基于广东省“双评价”生态保护重要性评价指标体系和“双碳”发展目标，选取固碳量、产水量、土壤保持及生境质量4项关键服务，通过InVEST模型量化评估. 采用有序加权平均（OWA）模型模拟11种风险-权衡情景，结合保护效率指标筛选最优生态源地. ②综合考虑生态流克服景观阻力过程中自然生态因素与社会经济因素，结合现有针对粤港澳大湾区生态网络构建的相关研究[25，29~31]，共选取8个指标测算综合阻力面，采用最小累积阻力模型（MCR）和电路理论模型提取生态廊道、生态夹点与障碍点，构建生态网络. ③基于复杂网络理论，提取生态网络拓扑结构，对比随机增点与随机增边策略下生态网络受攻击情景下的节点和边恢复的鲁棒性，提出空间优化策略. 本研究框架如图 2所示.

图 2 研究框架 Fig. 2 Analytical framework of this study

1.3 数据来源

本研究的基础数据主要包括土地利用数据、地形数据、气象数据、社会经济数据以及空间矢量数据. 其中：①土地利用数据主要来源于2023年武汉大学中国土地利用数据集[32]（https://zenodo.org/records/12779975），分辨率为30 m. ②地形数据（DEM数据）来源于欧洲航天局哥白尼数字高程数据（https://panda.copernicus.eu/panda），分辨率为30 m. ③气象数据主要包括2023年逐月气温、降水与潜在蒸散发数据[33]，均来源于国家地球系统科学数据中心（https://www.geodata.cn），分辨率为1 km. ④土壤数据来源于联合国粮食及农业组织（FAO）的世界土壤数据库HWSD 2.0数据集（https://gaez.fao.org/pages/hwsd），分辨率为1 km. ⑤植被净初级生产力（NPP）数据来源于2023年MODIS的MOD17A3HGFv061数据集，分辨率为500 m. ⑥NDVI数据基于Google Earth Engine（GEE）遥感云计算平台，采用Landsat8计算2023年NDVI年最大值，分辨率为30 m. ⑦人口网格数据来源于中国第七次人口普查100 m栅格数据集[34]（https://figshare.com/s/d9dd5f9bb1a7f4fd3734）. ⑧夜间灯光数据来源于2023年类NPP-VIIRS的长时序夜间光照数据[35]（https://doi.org/10.7910/DVN/YGIVCD），分辨率为500 m. ⑨行政区范围、主要道路及铁路数据来源于全国地理信息资源目录服务系统（https://www.webmap.cn）. 将所有数据预处理后统一空间分辨率为100 m，并设定相同投影坐标系.

1.4 研究方法 1.4.1 基于生态系统服务权衡的生态网络构建 1.4.1.1 基于OWA模型的生态源地选择

（1）关键生态系统服务评估  本研究选取固碳量、产水量、土壤保持和生境质量这4种关键生态系统服务（表 1）.

表 1 关键生态系统服务计算方法 Table 1 Calculation methods for key ecosystem services

（2）基于OWA的生态优先保护区选择  采用有序加权平均算子（OWA）量化不同决策偏好下的生态系统服务权衡关系[39]. 其核心思想是按照各个生态系统服务功能的重要性对不同的排序位次赋予各自的次序权重[40]，具体计算公式为：

O W A ( x i j ) = ∑ i = 1 n w i s i j w i ∈ [ 0,1 ] , ∑ i = 1 n w i = 1 , i , j = 1,2 , ⋯ , n (4)

式中，xij为经过归一化处理后的第i个生态系统服务图上第j个像元值，本研究采用极差归一化处理将4个关键生态系统服务进行了归一化处理. sij为对应生态系统服务的归一化值，wij为生态系统服务的sij的次序权重.

OWA模型包括决策风险（risk）与权衡（tradeoff）两个参数，共同反映了OWA的计算过程，两者之间关系如下[41]：

r i s k = ( n - 1 ) - 1 ∑ i = 1 n ( n - i ) w i , r i s k ∈ [ 0,1 ] (5)
t r a d e o f f = 1 - n ∑ i = 1 n w i - 1 n 2 n - 1 , t r a d e o f f ∈ [ 0,1 ] (6)

式中，n为生态系统服务栅格图层的总数，wi为栅格图层i的权重，通过设定不同的OWA决策的风险和权衡参数，从而获得不同风险和权衡下的情景.

基于OWA模型分析框架中决策风险和权衡的参数关系，决策风险实质反映决策者的偏好态度，当决策风险为0时对应完全风险规避型决策，仅关注不同空间中最差表现的生态功能；决策风险为1时，对应完全风险偏好型决策，仅关注不同空间中最表现最高的生态功能[39]；当决策风险为0.5时，权衡度达到最大，各个排序上权重一致，不同排序的生态系统服务得到平均分配，等价于传统线性加权法过程[36]. 因此，为系统探究不同决策偏好下生态系统服务权衡对源地选择的影响，本研究设置了从完全风险规避（risk=0）到完全风险偏好（risk=1）的系列情景，均衡每一种风险情景，采用0.1的等间隔步长设置风险参数[24]，由于其覆盖整个决策区间，形成了对决策风险参数的敏感性检验，因此能捕捉决策偏好连续变化过程中，生态系统服务协同效应的全面特征. 共设定为11种风险情景，同时求解不同风险下最大化的权衡度实现的次序权重测算[24，41]，具体公式为：

$ \begin{gathered} \text { max tradeoff }=1-\sqrt{\frac{n \sum\limits_{i=1}^n\left(w_i-\frac{1}{n}\right)^2}{n-1}}(\text { tradeoff } \in[0,1]) \\ \sum\limits_{i=1}^n w_i=1, w_i \in[0,1] \end{gathered} $ (7)

根据风险和权衡的关系[公式（5）和式（6）]，使用Lingo 18软件通过公式（7）计算最大权衡值下不同风险相应权重（表 2）.

表 2 不同决策风险情景和权衡度的最优权重 Table 2 Optimal weights for different decision risk scenarios and trade-off degrees

（3）多情景的生态保护优先区识别与保护效率计算  通过测算不同决策风险和权衡度情景下综合生态系统服务功能评价，将每个情景下生态系统服务评估中前20%的区域指定为优先保护区[36]. 通过对比不同情景的生态系统服务的保护效率，确保生态系统服务保护效率最大化，从而最大化生态系统服务的协同效益，该情景所对应的区域即为最佳情景的优先保护区并作为潜在生态源地. 通过最小斑块面积阈值从潜在生态源地中筛选生态源地[42].

P i = E S i p ¯ E S i ¯ (8)

式中，Pi为i情景的保护效率， E S i p ¯ 为i情景生态保护区相应的生态系统服务功能的均值， E S i ¯ 为i情景下生态系统服务功能均值.

1.4.1.2 生态阻力面构建

本研究参考已有粤港澳大湾区的相关研究，从自然生态因素和社会经济因素两个方面共选择8个生态阻力因子. 为量化各因子对生态流动的阻碍程度，本研究设定了从10到90的5个相对阻力分值，分值越高代表生态阻碍作用越强. 其中，10代表最低阻力，最有利于生态流动；90代表最高阻力，构成严重障碍. 各因子分级中，NDVI、人口密度和夜间灯光指数等关键因子作为表征人类活动和环境植被特征的重要通用指标，能够有效反映高强度人类活动对生态过程的干扰[11，14]，采用自然间断点法进行分级赋值，该方法基于数据固有分布识别“断点”，特别适用于粤港澳大湾区这类具有剧烈空间异质性的区域，能客观刻画从高度城市化核心至外围自然屏障的梯度变化. 而其余阻力因子则综合参考已有研究进行分级. 最终，采用层次分析法确定各个因子的权重（表 3）.

表 3 阻力因子及阻力值 Table 3 Resistance factors and resistance values

1.4.1.3 生态廊道提取与生态夹点、障碍点识别

生态廊道是生态源之间物质循环和能量流动的载体，是维持生态过程的关键环节[42]. 最小成本路径通过计算物种在源地间迁徙经过不同阻力的景观面所克服的累积阻力值，模拟选择最小费用路径[18]. 本研究采用Linkage Mapper工具，识别源地间的最小成本路径作为关键生态廊道. 基于电路理论，将生态阻力面视为电阻，体现生态流随机游走的特性，将电路理论与生态流结合在一起，电流密度越大的区域生态流动则越频繁，即为生态网络中的生态夹点[11]. 采用Linkage Mapper中Pinchpoint Mapper模块提取生态夹点；通过Barrier Mapper模块计算源地之间最小成本距离值替换为最低值后生态连通性的改善状况，从而提取生态障碍点[44].

1.4.2 基于复杂网络理论的生态网络优化

（1）生态网络拓扑提取  基于复杂网络理论，选取度中心性（degree centrality）、聚类系数（clustering coefficient）、中介中心性（betweenness centrality）和接近中心性（closeness centrality）这4类拓扑指标计算[27]. 其中：①度中心性是指网络中节点的连接数量. 节点的度中心性越高，该节点与其他节点的相互作用越多，对生态网络的直接影响越大. ②聚类系数反映网络的局部聚集特性. 在生态网络中，高聚类系数表明节点间存在紧密的相互关系，结构相对稳定. ③中介中心性反映该节点对其他节点之间通信的控制能力. 具有高中介中心性的生态节点，可能是生态流的关键枢纽，受损可能影响整个生态系统的连通性. ④接近中心性反映节点在网络中获取资源或信息的便捷程度. 高接近中心性的节点能更快速地与其他节点进行物质、能量和信息交流，对生态系统的响应速度更快.

（2）复杂网络鲁棒性计算  复杂网络的鲁棒性用于衡量网络在遭受攻击、故障或部分元素失效时，维持自身功能和结构完整性的能力，其中节点恢复鲁棒性和边恢复鲁棒性是评估其稳定性的重要指标[45]. 节点恢复鲁棒性是指网络在节点失效或移除后，恢复至初始或期望状态的能力[46]. 边恢复鲁棒性侧重于评估网络在边失效或断开后恢复的能力. 随机或按特定策略移除一定比例的节点，若曲线下降平缓，表明网络在节点失效情况下仍能保持较好的连通性和功能，即节点恢复鲁棒性较强；反之，曲线急剧下降则意味着网络对节点失效较为敏感，鲁棒性较弱. 具体公式为：

R = C N - N r (9)
D = 1 - N r - N d N (10)
E = 1 - M r - M e M (11)

式中，R为网络连接鲁棒性；C为在网络中移除M个节点后，剩余最大连通子图所包含的节点数量；N为网络初始状态下的总节点数；D为节点恢复能力的鲁棒性；E为边恢复的鲁棒性；Mr为被移除的边的数量，Me为通过恢复策略重新建立的边的数量，M则为初始网络中边的总数.

（3）复杂网络优化策略  基于复杂网络理论对生态网络进行优化，采用生态源地增点、生态廊道增边两种优化策略[19，41]. 其中生态源地增点是以生态系统服务供给能力和景观连通性潜力为核心指标，优先选择位于生态系统服务热点区内、且处于现有源地之间连接薄弱处的连通性瓶颈点作为新增源地，以确保能有效填补网络空白[20]；生态廊道增边是基于最小累积阻力模型（MCR）的阻力面分析，新增廊道路径严格遵循“低阻力⁃高连通”原则，优先沿河流、林地等自然景观分布，避免穿越生态敏感性低的区域，增强了策略的生态学合理性[27]. 将新节点与网络中已有的节点按照一定的规则建立连接，增加网络的规模和复杂性. 随机增边指随机在任意两个不相连的节点间进行增边；随机增点为向网络中随机添加新的节点[47].

2 结果与分析 2.1 基于生态系统服务权衡的保护区选择

研究区2023年4种关键的生态系统服务呈现明显的空间分异（图 3）. 固碳量（NPP）均值（以C计，下同）为832.493 g·m-2，高值区主要分布于北部的肇庆两广丘陵区，东部的广州与惠州北部交界及惠东莲花山区域；产水深度均值为817.73 mm，产水能力较高的区域主要分布在南部沿海地区及中部珠江三角洲平原地区；土壤保持和生境质量的空间分布与固碳量空间分布相似，两者均值为112.022 t·hm-2和0.305，高值区分布于环珠江三角洲平原地区外围的丘陵山区地带.

图 3 粤港澳大湾区关键生态系统服务 Fig. 3 Key ecosystem services of the Guangdong-Hong Kong-Macau Greater Bay Area

基于11种决策风险与权衡度的位序权重，将4种关键生态系统服务进行叠加测算（图 4）. 综合生态系统服务在不同情景下的空间分布差异明显，从情景1~11，综合生态系统服务是由4种关键生态系统服务的低值区逐渐向高值区主导，空间特征由情景1与土壤保持空间格局相似，逐渐到情景3~6与固碳量和生境质量相似，至情景11趋近于与产水量的空间格局相似. 其中，情景7~11在沿海地区和中部城市密集区的评估高于情景1~5，而情景1~5则在两广丘陵等环三角洲平原外围山地区域的综合生态系统服务更高. 在11种情景下，保护区的空间分布格局存在差异，从情景1~11，保护区在南部深圳和香港地区明显增加，北部保护区向北发展，西南部保护区明显减少. 尽管所有保护区的土地利用类型均以林地为主（图 5），占比均在85%以上，但不同情景下保护区的土地利用构成也存在显著差异. 从情景1~11，林地面积呈现出先增加后减少的趋势，在情景6达到最大，灌木和草地分别在情景3和情景2达到最大值，后逐渐下降，而人造地表的面积逐渐扩大，在情景11中，人造地表、耕地和水体面积达到最大值.

图 4 不同情景下综合生态系统服务与优先保护区的空间分布 Fig. 4 Spatial distribution of comprehensive ecosystem services and priority conservation areas under different scenarios

图 5 不同情景下保护区各土地利用类型面积 Fig. 5 Area of land use types in conservation areas under different scenarios

依据11种情景下保护区对关键生态系统服务的保护效率（表 4），固碳量在情景9得到最佳保护（1.642 6），产水量在情景11得到最佳保护（0.889 2），土壤保持在情景2得到最佳保护（3.809 0），生境质量在情景8得到最佳保护（1.877 7）. 由于生态系统服务间的不同权衡关系，某一生态系统服务得到最佳保护并不意味使得保护区所有生态系统服务保护效率最大，当平均保护效率最高时意味着生态系统服务发挥能够达到最优的协同程度. 因此，情景3应为最佳情景，其均值为1.942 0，相比于保持相对权衡的情景6（传统叠加方式），生态系统服务的平均保护效率提高了0.038.

表 4 不同情景下决策风险、权衡度及各生态系统服务的保护效率 Table 4 Protection efficiency of ecosystem services，decision risk，and trade-offs under different scenarios

2.2 生态网络构建 2.2.1 生态源地与生态阻力面确定

依据最佳情景（情景3）的保护区和生态源地选择的原则[图 6（a）]，剔除细小图斑（<3 km2），确定了278个生态源地[图 6（b）]，总面积为9 576.826 km2（占17.264%），主要分布于惠州、肇庆、江门等北部山林生态屏障区，对区域服务功能起关键作用. 粤港澳大湾区的生态阻力面均值为33.499 [图 6（c）]，呈现中部高四周低，沿城市扩张与交通干线阻力亦较高的格局. 中部区域是粤港澳大湾区经济发展的核心，城镇化水平高，土地开发强度大，因而生态源地较少同时阻力面较高，反映了建城区与交通基础设施对物种迁徙与生态流动具有较强的阻隔效应.

图 6 粤港澳大湾区最佳情景综合生态系统服务、生态源地和生态阻力面分布 Fig. 6 Distribution of optimal scenario for ecosystem services，ecological source areas，and ecological resistance in the Guangdong-Hong Kong-Macau Greater Bay Area

2.2.2 关键廊道识别与生态夹点分析

基于生态源地与阻力面，采用电路理论和Linkage Mapper模型，识别生态廊道、生态夹点与障碍点，形成了一个连接生态源地的综合生态网络[图 7（d）]. 共识别出700条生态廊道，总长度为6 680.627 km，平均长度为9.544 km. 其中，生态廊道主要分布于肇庆（2 172.896 km，占32.525%），其次是江门（1 171.361 km，占17.534%）和惠州（1 023.886 km，占15.326%），这些区域生态源地密集，生态廊道平均长度短但密布，可为以山地、森林为主体的珠三角外围生态屏障区提供良好的生态流通道. 值得注意的是，有9条生态廊道长度超过50 km，分布于中部平原地区，该区城镇化水平高，人类活动剧烈，因此源地较少，生态阻力值较高，生态廊道少而长. 这些廊道是连接东西部生态源地的重要通道，同时也是深圳、东莞、广州、佛山和中山城市内部与城市之间重要的连通廊道[图 7（a）]；基于电路理论的电流密度识别出132个生态夹点，主要分布于中部的长生态廊道之间与南部东莞与深圳的廊道间[图 7（b）]. 正是由于这些区域廊道的阻力值大，物种迁徙和生态流动有较强限制，沿特定的廊道迁徙和流动，因此电流密度的高值区域的生态夹点将起到重要的“踏脚石”作用，有利于生态廊道的连通性，是未来保护的重要区域. 此外，基于电路理论采用Barrier Mapper计算障碍区改进得分[图 7（c）]，提取高值区作为生态障碍点. 共选择283块生态障碍点区域，总面积627.85 km2，以人造地表与耕地为主，分别占比56.904%和33.118%，集中分布于中部长生态廊道区域以及南部深圳和东莞廊道周围，通过对障碍点区域的修复和移出，能有效提高生态源地及廊道的连通性.

图 7 粤港澳大湾区生态廊道、电流密度、障碍区改进分数及生态网络空间分布 Fig. 7 Ecological corridor，current density，barrier area improvement scores，and ecological network spatial distribution in the Guangdong-Hong Kong-Macao Greater Bay Area

2.3 生态网络优化 2.3.1 生态网络拓扑分析

在生态空间网络结构分析中（图 8），度数≥7的10个节点可被视为网络连接的关键节点，其高连接度使其成为维持区域网络连通性的关键. 其中，节点96的度数达19，空间上对应粤港澳大湾区北部生态屏障中段的青云山-九连山连片森林区. 该节点作为省级自然保护区核心，直接连接了周边19个中小型林地与溪流廊道，形成了以核心区为中心、向外辐射的多层级连接结构，为华南豹、白鹇等物种的局域迁徙提供了支持. 此外，节点度最小值为1，表明所有节点均至少与1个其他斑块存在连接，结合实地空间分布来看，这些低度数节点多为城镇周边的零散生态斑块，它们通过与邻近的高连接度节点相连，被整合进整体生态网络，从而保障了网络的基础连通性.

图 8 生态网络拓扑指数 Fig. 8 Ecological network topology indices

网络中存在133个聚类系数>0.5的节点，表明其邻接节点间形成了高度连接的局部子网络. 这些子网络通常由功能相似或互补的生态单元构成，有利于形成高效的局部物质与能量循环. 例如，东莞大屏嶂森林公园周边节点（聚类系数为0.7~0.9）的邻域包含了水域、林地与灌木，三者在水分调节与物种交互上存在协同作用，增强了该局部区域的生态系统稳定性. 其中，24个聚类系数为1的节点，代表其邻域网络是完全连通的结构，如珠海黄杨山区域的节点，其邻接的林地与水域斑块，形成了结构紧密的林-水生态系统. 此外，10个聚类系数为0的节点，其邻接斑块多为异质类型且互不相连，这反映了在人类活动干扰强烈的区域，生态连接呈现出显著的碎片化特征.

91个接近中心性大于0.15的节点，因其到网络中其他所有节点的平均路径最短，在网络拓扑结构中传播中起生态流高效传递的媒介的租用节点. 其中，节点248和250的接近中心性达到理论最大值1，空间上位于从化森林群与流溪河廊道的交汇区. 该区域是粤港澳大湾区北部重要的鸟类迁徙中继站，节点131通过提供最短路径连接了周边的多个林地斑块，有效支撑了鸟类迁徙过程.

网络中有53个节点的中介中心性大于1 000，表明它们是跨区域生态流传递的必经通道，其功能受损可能导致网络联通障碍. 其中，节点139的中介中心性高达14 202，对应象头山国家级自然保护区的核心区. 该节点连接了本身无直接路径的北部林地与南部灌木，构成了黄腹角雉等珍稀物种在南岭与南海沿岸湿地间迁徙的关键通道. 相反，30个中介中心性为0的节点多为城镇边缘绿地，其位于网络末端，不承担跨区域连接的功能，反映了城市开发对区域尺度生态连通性的阻隔效应.

综合来看，节点139和节点156在多指标中表现突出：节点139不仅具有极高的中介中心性，其较高的度中心性也使其成为关键枢纽节点，维系着罗浮山保护区与周边廊道的连接. 节点156则在中介中心性和聚类系数上表现突出，成为了连接珠三角核心区与北部山区的重要媒介节点，使其构成具有高度局部协同性的子网络. 这两个关键节点对维持整个生态网络结构的稳定性至关重要.

2.3.2 生态网络鲁棒性分析

为确保网络优化策略的可行性与现实指导意义，本研究在增补生态网络要素时，进一步考虑空间约束条件，基于2023年土地利用现状，将人造地表视为现状城镇建成区硬性约束，剔除人造地表占比超过30%的区域作为潜在增补范围，以避开高强度人类活动区域. 在此约束基础上，引入斑块密度、最大斑块指数和景观连通性指数，对候选增补区域进行筛选[20，27]. 图 9为优化后的生态网络. 新增了32个生态源地及91条生态廊道，占原有走廊的13%. 这表明生态源地的整体连通性良好，需要优化的斑块数量有限. 在新增的生态源地中，有13个生态源地是沿现有廊道增加的. 所有新增的源地均为森林源地，这一分布特征与粤港澳大湾区东部地区独特的生态环境特点紧密相关. 粤港澳大湾区东部地区，如深圳、惠州等地，是大湾区重要的生态屏障和生态涵养区. 该区域地形以低山丘陵为主，土壤类型多样，适合多种森林植被生长. 其优越的水热条件和植被状况不仅是重要的生态屏障，也为新增网络要素提供了低阻碍的生态流通道，并强化了生物多样性维护、水源涵养等关键生态功能，对生态能量的流动阻碍更小. 相比之下，中部城市化区域因高阻力限制了源地增补，而西部廊道的优化则更侧重于延长和连接现有源地.

图 9 基于复杂网络的生态网络优化 Fig. 9 Ecological network optimization based on complex networks

为定量评估网络优化策略带来的稳定性增益，本研究通过模拟随机攻击和恶意攻击两种情景，对优化前后的网络鲁棒性进行了对比分析（图 10）. 在生态网络中，随机攻击和恶意攻击两种攻击都可以作为生态干扰的模拟，而网络鲁棒性则代表了抵御外部干扰的能力. 在模拟的两种攻击下，网络鲁棒性均随受攻击节点增多而下降，且对恶意攻击更为敏感，表明网络在受到随机干扰时的稳定性优于受到蓄意破坏时的稳定性. 从整体上看，优化措施显著改善了网络抵御外部干扰的能力，带来了生态网络拓扑结构的稳定性增益. 在拓扑图上，优化后网络曲线相较优化前呈现更强的凸性，显示出在攻击初期，网络鲁棒性的下降速率明显减缓，且其急剧衰退的关键拐点显著延后. 基于Wilcoxon符号秩检验对优化前后鲁棒性结果进行分析，检验显示，优化前后鲁棒性值的差异具有统计学意义，其中Z=3.82，P<0.01，表明优化后鲁棒性的提升并非随机现象，而是存在显著且稳健的网络结构稳定性增益.

图 10 优化前后鲁棒性变化 Fig. 10 Robustness change before and after optimization

边恢复鲁棒性分析显示，优化网络在遭受攻击时维持连通性的能力得到增强. 在随机攻击和恶意攻击下，优化后的网络分别在第30个和第14个节点开始下降到1以下，而未优化网络则在第14个节点和第3个节点时即出现此情况；同时，优化后的网络在第265个和第243节点开始崩溃，而未优化网络则在第264个节点和第241个节点崩溃. 在最后一个节点，经过随机攻击和恶意攻击后，优化网络的鲁棒性分别保持在0.005和0.002，优于未优化网络.

在节点恢复鲁棒性方面，随机攻击下鲁棒性逐渐下降，恶意攻击下保持相对稳定的下降率. 在随机攻击下，优化网络的鲁棒性下降更为平缓；其鲁棒性降至1以下的临界点从未优化时的第99个受攻击节点推迟至第116个；在恶意攻击下，此临界点也从第100个节点延后至第106个. 节点恢复鲁棒性和边恢复鲁棒性的结果共同表明，生态网络优化增强了生态网络抵御外部干扰的能力，提高了网络的稳定性.

3 讨论

生态网络构建与优化已经成为缓解城市群生态保护与经济发展的重要空间途径[48]，确保生态网络的协同发挥与网络的稳定性成为其关键环节. 相比已有的研究（表 5），本研究基于生态系统服务权衡与复杂网络理论进行了粤港澳大湾区生态网络优化，旨在保护各生态系统服务协同发挥的同时，优化生态网络以促进稳定性.

表 5 本研究与已有研究的对比 Table 5 Comparison between this study and existing research

3.1 生态系统服务权衡对生态源地选择的影响

生态源地的科学选取是构建有效生态网络的首要环节，直接关系到网络整体功能的发挥. 本研究通过引入有序加权平均（OWA）模型，模拟不同决策风险与权衡度情景，识别出能将生态系统服务协同效应最大化的源地. 结果表明，情景3是粤港澳大湾区4种关键生态系统服务协同发挥的最佳方案，有效调和了不同服务在空间异质性与潜在冲突. 研究区不同服务高值存在明显空间异质性（图 3），固碳与土壤保持功能集中于北部及东部山林，产水服务则与南部沿海及中部平原的降水分布紧密相关；而生境质量高度依赖于土地类型和远离人类活动干扰. 情景3的权重策略并非简单地平均叠加（情景6），并非完全风险规避（情景1）和完全风险偏好（情景11），而是给予了“短板”的服务更高的关注，有效避免了“短板效应”或“单一突出”的局限性，实现了多种生态系统服务的协同效应，这与强调权衡对于提升生态安全格局有效性的已有研究结论相符[24，36]. 尽管情景3与传统叠加方法（情景6）所选源地均以林地为主（图 5），但情景3识别的优先保护区在空间布局上呈现出对城市核心区边缘地带的侧重，对于城市与自然过渡地带、维持区域生态平衡和构建环城生态屏障至关重要的生态斑块能得到更有效的保护（图 4），更有利于形成环城市生态廊道体系. 因此，基于OWA模型的生态系统服务权衡方法，不仅提升了各项服务功能的综合发挥水平，更在空间上优化了生态源地的布局，为后续构建的生态网络奠定了科学基础.

3.2 基于复杂网络理论的生态网络优化

在选择最佳情景的构建生态网络的基础上，考虑自然生态因素与社会经济因素的总和阻力面，采用最小成本路径提取生态廊道，结合电路理论识别生态夹点与障碍点，通过主动随机增点和随机增边两种优化策略对网络结构进行空间补充和强化，并以网络鲁棒性的提升作为优化成效的直接检验. 结果显示，通过随机增加32个生态源地和91条生态廊道，优化后的生态网络在面对随机攻击和恶意攻击时，其节点恢复鲁棒性和边恢复鲁棒性均得到显著提升（图 10）. 新增源地，尤其是补充在现有廊道沿线或连接关键片区的森林斑块（图 9），通过增加网络冗余度、缩短平均路径长度，发挥了关键的“踏脚石”的生态枢纽功能，显著提升了局部网络的稳定性. 新增的91条生态廊道，集中于生态基底优越的东部地区及连接东西部生态屏障的关键地带的廊道，强化了网络的整体连通性与结构完整性. 相较于传统经验[42]、景观连通性[26]对比和情景模拟[51]等方法的网络优化策略，基于网络拓扑和鲁棒性分析更关注网络关键节点和廊道连接的稳定性，这与当前对超大城市群生态韧性提升的迫切需求相一致[5，28]. 因此通过生态系统服务权衡与复杂网络理论，不仅能更有效地选择功能协同发挥的生态源地，而且能在构建生态网络的基础上，提出更为有效稳定的空间优化途径.

3.3 对策与建议

为进一步提升粤港澳大湾区生态网络质量与稳定性，结合其特征，针对性提出以下优化建议.

（1）建立跨境生态协同管理机制  针对粤港澳“一国两制”的特殊情况，构建大湾区层面的生态网络统筹框架，协调粤港澳三地的生态廊道规划与管理. 当前三地在生态治理上存在各自为政、缺乏统一目标和跨境监管措施的问题，跨境合作往往协调繁琐[52]. 为此，可探索在“一国两制”下创新制度安排，设立高效的湾区跨城市决策平台，统一制定生态保护目标和监管政策. 通过该机制推动深圳与香港等地自然保护区、郊野公园的衔接与共管，开展生态数据共享和联合廊道修复工程，弥补当前三地生态管理制度差异所带来的治理缺口.

（2）差异化修复东部生态廊道及嵌入城市更新  大湾区东部（如深圳和惠州）是生境破碎化较严重的区域，需要针对当地条件实施精细化的生态廊道修复. 深圳市虽然山地区域生态本底良好，但因城市高速发展导致绿地碎片化 [53]，应将生态廊道建设纳入城市更新计划，通过腾退改造建设用地、增加廊道绿地等方式连通被分割的生态斑块. 惠州等地森林连片性较强，但城市交界处的廊道往往被耕地、养殖塘等用地阻隔，可通过跨市协同机制，采取土地整治、湿地恢复等措施打通关键生态廊道瓶颈. 总体而言，应根据不同类型廊道所处的土地权属和开发强度，因地制宜地采取有针对性的修复与管护策略，以提升区域内廊道的连通性.

（3）整合多层级保护地网络及协调土地权属管理  在湾区整体层面建立“多层级协调、权属适配”的生态资源整合机制，将国家级和省市级的自然保护区、森林公园、湿地公园、郊野公园等各类保护地通过廊道连接，构建多层次、多类型的生态网络体系. 当前大湾区生态源地主要分布于北部连绵山地的森林和各级自然保护地，以及港澳的郊野公园[54]，应加强这些核心区之间的廊道建设，并在周边规划缓冲带以维护生态完整性. 为确保跨区域廊道的有效连接，需要建立省、市、区县多级协同的管护体制，明确各级政府在廊道保护中的职责边界. 鉴于廊道途经区域的土地权属复杂（如国有林地、集体农地、建设用地交织），应制定分类管理政策：通过土地流转、生态补偿等手段鼓励各权属单位参与廊道共建，使生态网络优化与当地发展利益相适配，确保廊道的长期维护与稳定发挥功能.

（4）完善政策工具并鼓励公众参与  通过创新制度工具和社会参与提高生态网络优化的实施成效. 一方面，建立市场化的生态补偿和资源交易机制，对在区域生态网络建设中作出贡献的地区给予奖励，引导各主体共同维护跨界生态廊道[55]. 例如，可设立湾区生态补偿基金，对因让渡发展机会以保护关键廊道的村镇提供经济补偿，调动地方保护积极性. 另一方面，强化法律法规保障，将生态廊道建设和保护要求纳入法定规划和生态红线加以管控，制定统一的廊道建设标准和监管措施，以弥合目前粤港澳三地生态治理制度上的落差[54].

4 结论

（1）将生态系统服务权衡纳入到生态源地选择过程，能有效地识别关键生态系统服务协同发挥的生态斑块. 基于OWA模型的多权衡情景对比，最佳情景（情景3）具有最高的生态系统服务平均保护效率（1.942）和相对较低的决策风险（0.2），有效提升了生态源地选择的综合效益.

（2）整合最小成本路径与电路理论，构建了生态系统服务协同功能的粤港澳大湾区生态网络. 共识别278个生态源地，总面积为9 576.826 km2，分布于北部连绵山体森林生态屏障区域；700条生态廊道共6 680.627 km，北部生态廊道平均长度短但密布，中部生态廊道数量较少且长度较长；与132个生态夹点和283块生态障碍点区域共同构成了一体化的生态网络.

（3）基于复杂网络理论的优化策略，通过对生态网络的节点与边进行空间增补，显著提升了网络的整体连通性和稳定性. 新增的32个生态源地与91条生态廊道主要集中于大湾区东部及北部等生态基底较好、地形以低山丘陵为主导、森林植被覆盖率较高的区域，以及原有廊道连接相对薄弱的地带. 本研究将生态系统服务权衡与复杂网络理论相结合，为超大城市群构建功能协同发挥和有效稳定的生态网络提供了新视角.

参考文献
[1] 邱坚坚, 刘毅华, 袁利, 等. 人地系统耦合下生态系统服务与人类福祉关系研究进展与展望[J]. 地理科学进展, 2021, 40(6): 1060-1072.
Qiu J J, Liu Y H, Yuan L, et al. Research progress and prospect of the interrelationship between ecosystem services and human well-being in the context of coupled human and natural system[J]. Progress in Geography, 2021, 40(6): 1060-1072.
[2] Steffen W, Richardson K, Rockström J, et al. Planetary boundaries：guiding human development on a changing planet[J]. Science, 2015, 347(6223). DOI:10.1126/science.1259855
[3] 刘彦随, 刘亚群, 欧聪. 现代人地系统科学认知与探测方法[J]. 科学通报, 2024, 69(3): 447-463.
Liu Y S, Liu Y Q, Ou C. Scientific cognition and detection methods of modern human-earth system[J]. Chinese Science Bulletin, 2024, 69(3): 447-463.
[4] Yushanjiang A, Zhou W Q, Wang J, et al. Impact of urbanization on regional ecosystem services--- a case study in Guangdong-Hong Kong-Macao Greater Bay Area[J]. Ecological Indicators, 2024, 159. DOI:10.1016/j.ecolind.2024.111633
[5] 唐立娜, 蓝婷, 邢晓旭, 等. 中国东部超大城市群生态环境建设成效与发展对策[J]. 中国科学院院刊, 2023, 38(3): 394-406.
Tang L N, Lan T, Xing X X, et al. Past achievements and future strategies of eco-environmental construction in mega urban agglomerations in Eastern China[J]. Bulletin of Chinese Academy of Sciences, 2023, 38(3): 394-406.
[6] 习近平. 以美丽中国建设全面推进人与自然和谐共生的现代化[J]. 求是, 2024(1): 4-9.
[7] 姜虹, 彭建. 自然保护地连通网络构建与优化的方法及前瞻[J]. 地理学报, 2024, 79(9): 2176-2190.
Jiang H, Peng J. Methods and prospects for the construction and optimization of protected area connectivity network[J]. Acta Geographica Sinica, 2024, 79(9): 2176-2190.
[8] 易浪, 孙颖, 尹少华, 等. 生态安全格局构建：概念、框架与展望[J]. 生态环境学报, 2022, 31(4): 845-856.
Yi L, Sun Y, Yin S H, et al. Construction of ecological security pattern：concept，framework and prospect[J]. Ecology and Environmental Sciences, 2022, 31(4): 845-856.
[9] 彭建, 赵会娟, 刘焱序, 等. 区域生态安全格局构建研究进展与展望[J]. 地理研究, 2017, 36(3): 407-419.
Peng J, Zhao H J, Liu Y X, et al. Research progress and prospect on regional ecological security pattern construction[J]. Geographical Research, 2017, 36(3): 407-419.
[10] 王悦露, 董威, 张云龙, 等. 基于生态系统服务的生态安全研究进展[J]. 生态学报, 2023, 43(19): 7821-7829.
Wang Y L, Dong W, Zhang Y L, et al. Research progress and prospect of ecological security based on ecosystem services[J]. Acta Ecologica Sinica, 2023, 43(19): 7821-7829.
[11] 田锐, 赵中秋, 宋东阳. 基于生态退化风险与生态安全格局的国土空间生态修复区域识别：以长株潭都市圈为例[J]. 环境科学, 2025, 46(3): 1608-1620.
Tian R, Zhao Z Q, Song D Y. Identification of ecological restoration of territorial space based on ecosystem degradation risk and ecological security pattern：a case study of the Chang-Zhu-Tan metropolitan area[J]. Environmental Science, 2025, 46(3): 1608-1620. DOI:10.13227/j.hjkx.202404061
[12] Shen Z, Wu W, Tian S Q, et al. A multi-scale analysis framework of different methods used in establishing ecological networks[J]. Landscape and Urban Planning, 2022, 228. DOI:10.1016/j.landurbplan.2022.104579
[13] 勾容, 苏维词, 权小丫, 等. “中国天眼”宁静区生态安全格局识别——基于OWA和电路理论[J]. 生态学报, 2024, 44(21): 9636-9651.
Gou R, Su W C, Quan X Y, et al. Identification of ecological security pattern in FAST Quiet Zone based on Ordered Weighted Averaging and circuit theory[J]. Acta Ecologica Sinica, 2024, 44(21): 9636-9651.
[14] 韩萌薇, 张帅普, 徐勤学, 等. 基于碳汇和景观连通性的跨流域生态安全格局构建[J]. 环境科学, 2024, 45(10): 5844-5852.
Han M W, Zhang S P, Xu Q X, et al. Construction of cross-basin ecological security patterns based on carbon sinks and landscape connectivity[J]. Environmental Science, 2024, 45(10): 5844-5852. DOI:10.13227/j.hjkx.202310035
[15] Dickson B G, Albano C M, Anantharaman R, et al. Circuit-theory applications to connectivity science and conservation[J]. Conservation Biology, 2019, 33(2): 239-249. DOI:10.1111/cobi.13230
[16] Wen L X, Bai J H, Rong Y J, et al. Spatiotemporal evolution and resilience optimization of urban ecological networks：A case study of the Xiong'an New Area[J]. Journal of Cleaner Production, 2026, 541. DOI:10.1016/j.jclepro.2026.147485
[17] 李权荃, 金晓斌, 张晓琳, 等. 基于景观生态学原理的生态网络构建方法比较与评价[J]. 生态学报, 2023, 43(4): 1461-1473.
Li Q Q, Jin X B, Zhang X L, et al. Comparison and evaluation of the ecological network construction method based on principles of landscape ecology[J]. Acta Ecologica Sinica, 2023, 43(4): 1461-1473.
[18] 韦宝婧, 苏杰, 胡希军, 等. 基于“HY-LM”的生态廊道与生态节点综合识别研究[J]. 生态学报, 2022, 42(7): 2995-3009.
Wei B J, Su J, Hu X J, et al. Comprehensive identification of eco-corridors and eco-nodes based on principle of hydrological analysis and Linkage Mapper[J]. Acta Ecologica Sinica, 2022, 42(7): 2995-3009.
[19] 石晶, 石培基, 王梓洋, 等. 基于复杂网络理论和电路模型的酒泉市生态网络优化[J]. 应用生态学报, 2024, 35(1): 237-246.
Shi J, Shi P J, Wang Z Y, et al. Ecological network optimization of Jiuquan City，Gansu，China based on complex network theory and circuit model[J]. Chinese Journal of Applied Ecology, 2024, 35(1): 237-246.
[20] Zhao J K, Yu Q, Xu C L, et al. Analysis of spatio-temporal patterns of vegetation carbon use efficiency in watershed ecosystem and construction of ecological network：a case study of the Yangtze River Basin[J]. GIScience & Remote Sensing, 2024, 61(1). DOI:10.1080/15481603.2023.2301275
[21] 陈竹安, 谭浦旭, 郑希平, 等. 环鄱阳湖城市群生态安全格局构建与优化[J]. 农业机械学报, 2025, 56(1): 397-409.
Chen Z A, Tan P X, Zheng X P, et al. Construction and optimization of ecological security pattern in Poyang Lake urban agglomeration[J]. Transactions of the Chinese Society for Agricultural Machinery, 2025, 56(1): 397-409.
[22] 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.
[23] 孔凡斌, 段淑慧, 徐彩瑶. 基于生态系统服务和生态敏感性的生态安全格局构建——以钱塘江流域为例[J]. 生态学报, 2024, 44(24): 11359-11374.
Kong F B, Duan S H, Xu C Y. The construction of ecological security pattern based on ecosystem services and ecological sensitivity：a case study of the Qiantang River Basin[J]. Acta Ecologica Sinica, 2024, 44(24): 11359-11374.
[24] Li C, Wu Y M, Gao B P, et al. Construction of ecological security pattern of national ecological barriers for ecosystem health maintenance[J]. Ecological Indicators, 2023, 146. DOI:10.1016/j.ecolind.2022.109801
[25] 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. DOI:10.13227/j.hjkx.202410273
[26] 闫昊婷, 乔伟峰, 李语旻, 等. 基于生态安全格局的县域生态保护红线优化研究——以常州市金坛区为例[J]. 地理研究, 2024, 43(8): 2141-2157.
Yan H T, Qiao W F, Li Y M, et al. Optimization of county ecological protection red line based on ecological security pattern：a case study of Jintan District，Changzhou City[J]. Geographical Research, 2024, 43(8): 2141-2157.
[27] Zhao J K, Yu Q, Avirmed B, et al. The relationship between structure and ecosystem services of forest and grassland based on pattern analysis method：a case study of the Mongolian Plateau[J]. Science of the Total Environment, 2024, 948. DOI:10.1016/j.scitotenv.2024.174700
[28] 陈智勇, 吴耀炜, 林港特, 等. 基于遥感生态指数的粤港澳生态环境质量与土地利用变化空间关系[J]. 环境科学, 2024, 45(11): 6433-6447.
Chen Z Y, Wu Y W, Lin G T, et al. Spatial relationship between eco-environment quality and land use change in Guangdong Province-Hong Kong-Macao，China based on remote sensing-based ecological index[J]. Environmental Science, 2024, 45(11): 6433-6447. DOI:10.13227/j.hjkx.202310211
[29] 杨文越, 叶泓妤. 基于生境质量的粤港澳大湾区生态网络识别[J]. 生态学报, 2023, 43(24): 10430-10442.
Yang W Y, Ye H Y. Identification of ecological networks in the Guangdong-Hong Kong-Macao Greater Bay Area based on habitat quality assessment[J]. Acta Ecologica Sinica, 2023, 43(24): 10430-10442.
[30] 祝诗榕, 祝明建, 林丰泽, 等. 基于生态网络构建的国土空间生态修复关键区域识别：以粤港澳大湾区为例[J]. 中国园林, 2024, 40(10): 34-40.
Zhu S R, Zhu M J, Lin F Z, et al. Identification of key areas for territorial ecological restoration based on ecological networks：a case study of the Guangdong-Hong Kong-Macao Greater Bay Area China[J]. Chinese Landscape Architecture, 2024, 40(10): 34-40.
[31] 阳慧园, 修晨, 黎丽莉, 等. 面向生态协同的湾区城市群生态与城镇网络格局构建——以粤港澳大湾区为例[J]. 生态学报, 2024, 44(24): 11049-11064.
Yang H Y, Xiu C, Li L L, et al. Construction of ecological and urban network pattern or a bay area urban agglomeration oriented towards ecological synergy：a case of Guangdong-Hong Kong-Macao Greater Bay Area[J]. Acta Ecologica Sinica, 2024, 44(24): 11049-11064.
[32] Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925. DOI:10.5194/essd-13-3907-2021
[33] Peng S Z, Ding Y X, Liu W Z, et al. 1 km monthly temperature and precipitation dataset for China from 1901 to 2017[J]. Earth System Science Data, 2019, 11(4): 1931-1946. DOI:10.5194/essd-11-1931-2019
[34] Chen Y H, Xu C C, Ge Y, et al. A 100 m gridded population dataset of China’s seventh census using ensemble learning and big geospatial data[J]. Earth System Science Data, 2024, 16(8): 3705-3718. DOI:10.5194/essd-16-3705-2024
[35] Chen Z Q, Yu B L, Yang C S, et al. An extended time series（2000-2018）of global NPP-VIIRS-like nighttime light data from a cross-sensor calibration[J]. Earth System Science Data, 2021, 13(3): 889-906. DOI:10.5194/essd-13-889-2021
[36] Wu Q, Cao Y, Zhang Y J, et al. Linking ecosystem services trade-offs，human preferences and future scenario simulations to ecological security patterns：a novel methodology for reconciling conflicting ecological functions[J]. Applied Geography, 2025, 176. DOI:10.1016/j.apgeog.2025.103534
[37] 戴尔阜, 王亚慧. 横断山区产水服务空间异质性及归因分析[J]. 地理学报, 2020, 75(3): 607-619.
Dai E F, Wang Y H. Spatial heterogeneity and driving mechanisms of water yield service in the Hengduan Mountain region[J]. Acta Geographica Sinica, 2020, 75(3): 607-619.
[38] 柯钦华, 周俏薇, 孙传谆, 等. 基于生态系统服务权衡的粤港澳大湾区土地利用冲突识别研究[J]. 热带地理, 2023, 43(7): 1426-1439.
Ke Q H, Zhou Q W, Sun C Z, et al. Identifying land use conflict based on ecosystem service trade-offs in the Guangdong-Hong Kong-Macao Greater Bay Area，China[J]. Tropical Geography, 2023, 43(7): 1426-1439.
[39] 王良杰, 马帅, 许稼昌, 等. 基于生态系统服务权衡的优先保护区选取研究——以南方丘陵山地带为例[J]. 生态学报, 2021, 41(5): 1716-1727.
Wang L J, Ma S, Xu J C, et al. Selection of priority protected region based on ecosystem service trade-offs：a case study of the southern hill and mountain belt，China[J]. Acta Ecologica Sinica, 2021, 41(5): 1716-1727.
[40] 王晓峰, 郑媛元, 孙泽冲, 等. 青藏高原自然保护区生态脆弱性演化与模拟[J]. 环境科学, 2025, 46(3): 1633-1644.
Wang X F, Zheng Y Y, Sun Z C, et al. Evolution and simulation of ecological vulnerability in Qinghai-Xizang Plateau nature reserve[J]. Environmental Science, 2025, 46(3): 1633-1644. DOI:10.13227/j.hjkx.202403096
[41] Qin K Y, Li J, Liu J Y, et al. Setting conservation priorities based on ecosystem services - a case study of the Guanzhong-Tianshui Economic Region[J]. Science of the Total Environment, 2019, 650: 3062-3074. DOI:10.1016/j.scitotenv.2018.09.305
[42] 吴映梅, 李琛, 高彬嫔, 等. 高原湖泊城市生态安全格局构建——以大理市为例[J]. 生态学报, 2023, 43(19): 8153-8166.
Wu Y M, Li C, Gao B P, et al. Construction of urban ecological security pattern in highland lakes cites：the case of Dali City[J]. Acta Ecologica Sinica, 2023, 43(19): 8153-8166.
[43] Zhou Y S, Zheng Z H, Wu Z F, et al. Construction and evaluation of ecological networks in highly urbanised regions：a case study of the Guangdong-Hong Kong-Macao greater Bay Area，China[J]. Ecological Indicators, 2023, 152. DOI:10.1016/j.ecolind.2023.110336
[44] 朱捷, 苏杰, 尹海伟, 等. 基于源地综合识别与多尺度嵌套的徐州生态网络构建[J]. 自然资源学报, 2020, 35(8): 1986-2001.
Zhu J, Su J, Yin H W, et al. Construction of Xuzhou ecological network based on comprehensive sources identification and multi-scale nesting[J]. Journal of Natural Resources, 2020, 35(8): 1986-2001.
[45] Li J X, Nie W B, Zhang M X, et al. Assessment and optimization of urban ecological network resilience based on disturbance scenario simulations：a case study of Nanjing city[J]. Journal of Cleaner Production, 2024, 438. DOI:10.1016/j.jclepro.2024.140812
[46] Hong W Y, Guo R Z, Li X M, et al. Measuring urban ecological network resilience：a disturbance scenario simulation method[J]. Cities, 2022, 131. DOI:10.1016/j.cities.2022.104057
[47] Xu C L, Yu Q, Wang F, et al. Identifying and optimizing ecological spatial patterns based on the bird distribution in the Yellow River Basin，China[J]. Journal of Environmental Management, 2023, 348. DOI:10.1016/j.jenvman.2023.119293
[48] Dong X, Wang F, Fu M C. Research progress and prospects for constructing ecological security pattern based on ecological network[J]. Ecological Indicators, 2024, 168. DOI:10.1016/j.ecolind.2024.112800
[49] 俞金凤, 杜怀玉, 王家亮, 等. 基于Zonation-MSPA耦合模型的甘肃沿黄地区生态安全格局构建与评估[J]. 环境科学, 2025, 46(5): 3085-3097.
Yu J F, Du H Y, Wang J L, et al. Construction and assessment of ecological security pattern in Gansu along the Yellow River based on Zonation-MSPA coupling model[J]. Environmental Science, 2025, 46(5): 3085-3097.
[50] Ma Q W, Yu L, Xu L H, et al. Can ecological networks established through interactions of multi-species conservation priorities maintain biodiversity and contain urban development？[J]. Journal for Nature Conservation, 2025, 84. DOI:10.1016/j.jnc.2025.126853
[51] 周豹, 赵俊三, 陈国平, 等. 多情景模拟下滇东南喀斯特地区生态系统服务评估与网络优化[J]. 环境科学, 2025, 46(7): 4615-4627.
Zhou B, Zhao J S, Chen G P, et al. Ecosystem services assessment and network optimization under multiple scenario simulations in the karst area of southeast Yunnan[J]. Environmental Science, 2025, 46(7): 4615-4627.
[52] Liu X W, Yang Z J, Li L. Cross-border ecological cooperation in the Guangdong-Hong Kong-Macao Greater Bay Area：pattern，characteristics and challenges[J]. Journal of Infrastructure，Policy and Development, 2024, 8(8). DOI:10.24294/jipd.v8i8.5131
[53] 焦亚楠, 李飞雪, 陈振杰, 等. 高密度城区居住用地附属绿地对生态连通性影响——以深圳市福田区为例[J]. 热带地理, 2024, 44(4): 596-607.
Jiao Y N, Li F X, Chen Z J, et al. Impact of residential green space on ecological connectivity in high-density built-up areas：a case study of Futian district of Shenzhen City[J]. Tropical Geography, 2024, 44(4): 596-607.
[54] 王秀明, 赵鹏, 龙颖贤, 等. 基于生态安全格局的粤港澳地区陆域空间生态保护修复重点区域识别[J]. 生态学报, 2022, 42(2): 450-461.
Wang X M, Zhao P, Long Y X, et al. Identification of key areas of land space ecological protection and restoration based on the pattern of ecological security in Guangdong，Hong Kong and Macau[J]. Acta Ecologica Sinica, 2022, 42(2): 450-461.
[55] 王健, 曹巍, 黄麟. 基于水供需服务流及外溢价值核算的太湖流域横向生态补偿机制[J]. 生态学报, 2024, 44(3): 955-965.
Wang J, Cao W, Huang L. Horizontal payment for ecosystem services mechanism in Taihu Lake basin based on water supply and demand service flow and spillover value accounting[J]. Acta Ecologica Sinica, 2024, 44(3): 955-965.