基于PLUS模型的“三生”用地情景模拟及景观生态风险分析：以长江中游城市群为例

引用本文

袁沫汐, 查晓菲, 赵林, 张致江, 李鑫鑫. 基于PLUS模型的“三生”用地情景模拟及景观生态风险分析：以长江中游城市群为例[J]. 环境科学, 2026, 47(8): 5662-5674.

YUAN Mo-xi, ZHA Xiao-fei, ZHAO Lin, ZHANG Zhi-jiang, LI Xin-xin. Scenario Simulation and Landscape Ecological Risk Analysis of "Production-Living-Ecological" Land Use Based on the PLUS Model: A Case Study of Urban Agglomeration in the Middle Reaches of the Yangtze River[J]. Environmental Science, 2026, 47(8): 5662-5674.

基于PLUS模型的“三生”用地情景模拟及景观生态风险分析：以长江中游城市群为例

袁沫汐¹, 查晓菲¹, 赵林², 张致江³, 李鑫鑫⁴

1. 湖南工商大学公共管理与人文地理学院，长沙 410205;
2. 武汉大学资源与环境科学学院，武汉 430079;
3. 苏州科技大学地理科学与测绘工程学院，苏州 215009;
4. 河南大学地理科学学院，开封 475004

收稿日期: 2025-06-10; 修订日期: 2025-09-12

基金项目: 湖南省自然科学基金项目（2023JJ40226）；湖南省教育厅科学研究优秀青年项目（22B0666）；湖南省社会科学成果评审委员会一般课题项目（XSP2023GLC098）

作者简介: 袁沫汐（1992~），女，博士，讲师，主要研究方向为生态遥感与气候变化，E-mail：yuanmoxi@whu.edu.cn

摘要: 长江中游城市群是我国实施中部崛起战略的关键区域. 过去10 a里，土地利用变化加剧了区域生态系统脆弱性与不稳定性. 因此，准确评估该区域的景观生态风险对保障其未来可持续发展具有关键意义. 基于2010年、2015年和2020年这3期土地利用数据，运用景观生态风险评价模型和统计方法，定量分析了2010~2020年景观生态风险时空演变特征，并利用PLUS模型，模拟预测了2035年在自然发展、生产优先和生态保护这3种情景下，区域“三生空间”分布格局及其相应的景观生态风险空间分异特征. 结果表明，2010~2020年，长江中游城市群生态空间面积缩减约1 876.665 5 km²，生产空间和生活空间分别扩张2 117.629 1 km²和1 855.684 8 km²；2010~2020年间景观生态风险总体呈上升趋势，高风险区面积由3 625 km²增加到4 203 km²，空间上主要集中分布在武汉市及其周边黄石、孝感部分区域，长株潭连片区域以及南昌、宜昌和岳阳等沿江城市；在2035年“三生空间”多情景模拟中，自然发展情景和生产优先情景下“三生空间”面积基本保持不变，生态保护情景下生态空间面积有所增加，且主要来源于农业生产空间；3种情景中，生态保护情景下生态安全格局最优，高风险区面积仅占1.06%；生产优先情景风险结构最为失衡，较高风险区和高风险区占比之和高达10.27%，主要集聚在长江、湘江和赣江沿岸城市. 研究结果揭示了不同土地发展策略对景观生态的差异化影响，为长江中游城市群未来土地利用规划和生态保护提供了科学依据.

关键词: 三生空间 PLUS模型景观生态风险土地利用变化长江中游城市群

Scenario Simulation and Landscape Ecological Risk Analysis of "Production-Living-Ecological" Land Use Based on the PLUS Model: A Case Study of Urban Agglomeration in the Middle Reaches of the Yangtze River

YUAN Mo-xi¹ , ZHA Xiao-fei¹ , ZHAO Lin² , ZHANG Zhi-jiang³ , LI Xin-xin⁴

1. School of Public Administration and Human Geography, Hunan University of Technology and Business, Changsha 410205, China;
2. School of Resource and Environmental Sciences, Wuhan University, Wuhan 430079, China;
3. School of Geography Science and Geomatics Engineering, Suzhou University of Science and Technology, Suzhou 215009, China;
4. College of Geographic Sciences, Henan University, Kaifeng 475004, China

Abstract: The urban agglomeration in middle reaches of the Yangtze River is a key area for the implementation of the Central Rise Strategy in China. Over the past decade, land use changes have intensified the vulnerability and instability of the regional ecosystem. Therefore, accurately assessing the landscape ecological risks in this area is of crucial significance for ensuring its sustainable development in the future. Based on the land use data of 2010, 2015, and 2020, the landscape ecological risk assessment model and statistical methods were used to quantitatively analyze the spatio-temporal evolution characteristics of landscape ecological risks from 2010 to 2020. Moreover, the PLUS model was utilized to simulate and predict the distribution patterns of the production-living-ecological spaces and the corresponding spatial differentiation characteristics of landscape ecological risks in 2035 under three scenarios: natural development, production priority, and ecological protection. From 2010 to 2020, the area of ecological space in urban agglomeration in the middle reaches of the Yangtze River decreased by approximately 1 876.665 5 square kilometers, while the areas of production space and living space expanded by 2 117.629 1 square kilometers and 1 855.684 8 square kilometers, respectively. During the period from 2010 to 2020, the overall landscape ecological risk showed an upward trend, with the area of high-risk zones increasing from 3 625 square kilometers to 4 203 square kilometers. Spatially, they were mainly concentrated in the Wuhan City and its surrounding areas including Huangshi and Xiaogang; the Changsha-Zhuzhou-Xiangtan urban agglomeration; as well as the riverfront cities of Nanchang, Yichang, and Yueyang. In the multi-scenario simulation of production-living-ecological spaces in 2035, the areas of production-living-ecological spaces remained basically unchanged under the natural development scenario and production priority scenario, while the area of ecological space increased under the ecological protection scenario, mainly derived from the agricultural production space. Among the three scenarios, the ecological protection scenario had the best ecological security pattern, with the area of high-risk zones accounting for only 1.06%. The production priority scenario had the most imbalanced risk structure, with the combined proportion of high-risk and very high-risk zones reaching 10.27%, mainly concentrated along the Yangtze, Xiang, and Gan Rivers. The research results reveal the differentiated impacts of different land development strategies on landscape ecology, providing a scientific basis for the future land use planning and ecological protection of urban agglomeration in the middle reaches of the Yangtze River.

Key words: production-living-ecological spaces PLUS model landscape ecological risk land use change urban agglomeration in the middle reaches of the Yangtze River

随着快速的城市化和工业化进程，建设用地迅速扩张不可避免地占用了相当比例的农业用地和生态用地，导致“生产”、“生活”与“生态”空间之间的矛盾日益加剧^[1~3]. 这种“三生空间”发展不协调的趋势，不仅影响了国土空间的整体效能，也引发了诸如水资源短缺、土地退化和景观破碎化程度加深等一系列生态环境问题^[4~7]. 因此，构建科学的评估体系，探究不同区域在不同时期的“三生空间”演变特征及其景观生态风险，已成为当前社会关注的重点问题^[8].

景观生态风险评价主要是评估人类或自然因素等对区域内景观格局和生态系统造成的负面影响^[9]. 目前，景观格局指数法^[10~12]和风险“源汇”理论^[13~15]是两种主流评价方法. 其中景观格局指数法多基于土地利用变化数据展开，王舒等^[16]基于滇西北高原湖泊流域4期土地利用数据，分析近15a的景观生态风险的时空演变特征，并利用地理探测器从整体和局部进行驱动因素识别. Xie等^[17]结合土地利用模拟和景观生态风险分析，探索典型干旱内陆河流域景观生态风险评估的最佳格网尺度. 陈斌等^[18]从三生空间视角构建土地利用分类模型，对宜昌市景观生态安全时空演变特征及耦合协调度进行了系统分析. 在研究区域上，现有成果主要聚焦于成渝^[19，20]和京津冀^[21]等城市群的风险时空演变分析，以及黄土高原^[22]和黄河流域^[23]等生态脆弱区的风险与恢复力关联研究. 尽管已有学者对长江中游城市群的景观生态风险进行了初步探讨^[24]，但在多情景模拟及与“三生”用地的关联研究方面仍存在较大扩展空间.

长江中游城市群作为我国中部崛起战略的重要支撑区域，在区域发展格局中占据着举足轻重的地位，但在其发展过程中凸显出空间结构不合理、功能格局混乱等问题^[25]. 2022年《长江中游城市群发展“十四五”规划》^[26]正式获批，在综合考量发展与安全双重目标的大背景下，该规划进一步强调了生态空间与城市空间相互交织和有机融合的重要性. 这一战略凸显了解决核心矛盾的紧迫性——即如何科学界定自然环境承载力与城市化扩张速度之间的动态平衡关系^[27]. 因此，探索一条更为高效的经济社会环境协同共进、可持续发展的路径，对于长江中游城市群而言具有至关重要的战略意义和现实价值^[28].

鉴于此，本研究利用多源遥感数据，探究2010~2020年长江中游城市群三生空间演变特征及其景观生态风险格局变化，并基于PLUS模型预测2035年不同发展情景下的三生空间分布格局与景观生态风险空间，以期为该区域的可持续发展提供有理论支撑与实践指导，推动实现区域生态保护与经济社会的协调发展.

1 材料与方法 1.1 研究区概况

长江中游城市群是以武汉城市圈、长株潭城市群和环鄱阳湖城市群为核心构成的特大型城市群，以武汉为核心，长沙、南昌为副中心，共包含31个地级市（图 1）. 该区域地处中亚热带和北亚热带过渡带，属于典型的亚热带季风性气候，森林资源丰富. 区内洞庭湖和鄱阳湖在调洪蓄水、调节气候及保护水生态安全起到重要作用^[29]. 经济上，长江中游城市群是推动长江经济带发展和中部地区崛起的重要支撑，亦是全国高质量发展的重要增长极之一. 截至2022年，区域总面积约31.38万km²（占全国3.26%），常住人口约1.7亿，地区生产总值（GDP）达11.16万亿元，贡献了全国约9.26%的经济总量^[30].

图 1 长江中游城市群研究区概况 Fig. 1 Overview of the study area of urban agglomeration in the middle reaches of the Yangtze River

1.2 数据来源及预处理

2010年、2015年和2020年这3期土地利用数据来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/），空间分辨率为30 m. 根据土地利用主导功能，将土地利用数据进行重分类，分为3个一级类和8个二级类（表 1）. 根据长江中游城市群的实际情况和数据的可获取性，参考刘佳楠等^[31]和张廷等^[32]的研究，最终选取包括自然（DEM、年平均气温、年均降水量、坡度、距河流距离）和社会经济（GDP、人口、夜间灯光指数、距主干道距离、距高速公路距离、距主要铁路距离、距市中心距离）共计12项驱动因子. 年平均气温、年均降水量均来源于地理遥感生态网（http://www.gisrs.cn/）；GDP、人口、夜间灯光数据均来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/）；河流、主干道、高速公路、主要铁路等数据来源于OpenStreetMap数据网（https://www.openstreetmap.org/），市中心定为市政府驻地，利用ArcGIS 10.8的欧氏距离功能计算得到距河流距离、距主干道距离、距高速公路距离、距主要铁路距离及距市中心距离. 根据PLUS模型对于输入数据的要求，以上数据经过裁剪、投影和最小近邻法重采样处理，统一分辨率为30 m×30 m，投影坐标系为WGS_1984_UTM_Zone_50N.

表 1 长江中游城市群“三生”用地土地利用分类 Table 1 Land use classification of "production-living-ecological" land use in urban agglomeration in the middle reaches of the Yangtze River

1.3 研究方法 1.3.1 景观生态风险评价模型

（1）风险小区划分基于Fragstats 4.3软件，选取斑块水平的斑块平均面积，兼顾研究区域的面积和采样工作量大小，借助ArcGIS 10.8对长江中游城市群进行等距离采样，选择8 km×8 km网格单元划分得到5 808个风险小区^[33]，计算各时期每个单元内的综合生态风险指数.

（2）景观生态风险指数生态风险是基于自然或人为因素等多种因素作用下对区域内生态环境产生的不良影响^[34]，借助景观格局指数构建评价模型，分析区域各种景观要素的结构组成和空间配置，进而分析城市群景观生态风险大小及变化. 结合前人的研究成果^[35，36]和长江中游城市群区域特点，本文首先利用景观破碎度、分离度和优势度指数赋予权重加和得到景观干扰度指数，接着通过专家赋值后归一化处理得到景观脆弱度指数，再通过景观干扰和脆弱度指数计算出景观损失度指数，最后以风险小区为单元计算景观面积比与损失度的乘积，求和得出景观生态风险指数. 具体计算公式及参数含义见表 2.

表 2 景观格局指数计算方法 Table 2 Calculation method of landscape pattern indices

指数名称	计算公式	变量含义	生态意义
景观破碎度指数（ $C_{i}$ ）	$C_{i} = \frac{n_{i}}{A_{i}}$	$n_{i}$ 为景观类型 $i$ 的斑块数， $A_{i}$ 为景观类型 $i$ 的总面积	表示某一景观类型在特定时间上被分割后的破碎程度，值越大，生态稳定性越低，生态风险越大
景观分离度指数（ $N_{i}$ ）	$N_{i} = \frac{A}{2 A_{i}} \sqrt[]{\frac{n_{i}}{A}}$	$A$ 为景观总面积	表示景观类型中不同斑块之间的分离程度，值越大，景观分布越分散，生态稳定性越低，生态风险越大
景观优势度指数（ $D_{i}$ ）	$D_{i} = \frac{Q_{i} + M_{i}}{4} + \frac{L_{i}}{2}$	$Q_{i} =$ 斑块 $i$ 出现的样方数/总样方数， $M_{i} =$ 斑块 $i$ 的数目/斑块总数， $L_{i} =$ 斑块 $i$ 的面积/样方的总面积	表示斑块在景观中的重要程度，值越大，斑块对景观格局形成的影响程度越大，生态风险越大
景观干扰度指数（ $E_{i}$ ）	$E_{i} = a C_{i} + b N_{i} + c D_{i}$	$a$ 、 $b$ 和 $c$ 分别为 $C_{i}$ 、 $N_{i}$ 和 $D_{i}$ 的权重，且 $a$ + $b$ + $c$ =1，根据相关参考文献及区域情况，分别赋以0.5、0.3和0.2的权值	表示不同景观所代表的生态系统受到干扰（主要是人类活动）的程度，值越大，生态风险越大
景观脆弱度指数（ $F_{i}$ ）	$F_{i} = \frac{X_{i}}{\sum X_{所有类型}}$	赋值：其他生态空间=8，工矿生产空间=7，水域生态空间=6，农业生产空间=5，草地生态空间=4，林地生态空间=3，农村生活空间=2，城镇生活空间=1； $X_{i}$ 表示景观类型 $i$ 的赋值；X_所有类型表示景观所有类型的值	表示不同景观类型所代表的生态系统对外界干扰的敏感性，由景观类型固有属性决定，短期内相对稳定，值越大，生态风险越大
景观损失度指数（ $R_{i}$ ）	$R_{i} = E_{i} \times F_{i}$	$E_{i}$ 为风险小区 $i$ 的景观干扰度指数； $F_{i}$ 为风险小区 $i$ 的景观脆弱度指数	表示不同景观类型的生态系统受到到自然或人为因素干扰时其自然属性损失的程度，值越大，生态风险越大
景观生态风险指数（ $E R I_{i}$ ）	$E R I_{i} = \sum_{i = 1}^{N} \frac{A_{k i}}{A_{k}} R_{i}$	$N$ 为景观类型的数量； $A_{k i}$ 为第 $k$ 个风险小区内景观 $i$ 的面积； $A_{k}$ 为第 $k$ 个风险小区的面积； $E R I_{i}$ 为风险小区 $i$ 的景观生态风险指数	反映每个风险小区内生态环境损失的大小，值越大，生态风险越大

表 2 景观格局指数计算方法 Table 2 Calculation method of landscape pattern indices

1.3.2 PLUS模型

PLUS模型是基于FLUS模型改进而来，可以更好地实现对土地利用变化机制的挖掘和精确的模拟^[37]. 该模型包含土地利用扩张分析策略（LEAS）和CA模型（CARS），同时可以设置多种情景，预测和分析未来土地的利用变化.

（1）邻域权重设置邻域权重参数取值范围为0~1^[38]，其数值大小由各用地类型的扩张强度决定，值越接近1表示该地类土地扩张能力越强，反之则越弱. 计算各用地类型扩张面积占比，综合考虑相关研究^[39]以及长江中游城市群的实际情况，反复调试邻域参数，具体邻域权重参数设置如表 3.

表 3 邻域权重参数设置 Table 3 Neighborhood weight parameters settings

（2）精度验证通过PLUS模型，以2010年和2015年长江中游城市群土地利用数据作为基准数据，利用多次调试后的邻域参数，运算后得出2020年土地利用模拟数据，与2020年实际数据相比较，结果显示，总体精度为0.862 028，Kappa参数为0.872 524，表明PLUS模型具有较好的适用性，可适用于未来2035年长江中游城市群“三生空间”模拟^[40，41].

（3）情景设置转换矩阵表示各用地类型间相互转化的可能性，同时也反映了多种情景的设置^[42，43]. 本研究基于长江中游城市群的经济社会发展趋势和环境政策，共设置3种情景：自然发展情景、生产优先情景和生态保护情景. 自然发展情景延续了2010~2020年长江中游城市群“三生空间”中用地类型的发展趋势；生产优先情景优先考虑生产空间的发展，设置除城镇生活用地和农村生活用地外，其他各用地类型均能向农业生产用地转化；生态保护情景考虑生态保护的发展规则，设置水域生态用地、草地生态用地和其他生态用地不能转化为其他用地类型^[42~44]. 具体设置如表 4.

表 4 情景转换矩阵设置^1） Table 4 Transition matrix settings for scenarios

2 结果与分析 2.1 2010~2020年长江中游城市群三生用地演变特征及驱动因子分析

2010~2020年长江中游城市群三生用地以生态用地空间为主，其中林地生态空间所占面积最大（图 2）. 从变化趋势来看，农业生产用地与林地生态用地的双向转化面积最大，农业生产用地向林地生态用地转移4 075.97 km²，林地生态用地向农业生产用地转移面积为4 322.07 km². 工矿生产用地因净转入面积多而显著扩张，草地生态用地也有所增加.

所有数值单位均为km² 图 2 2010~2020年长江中游城市群三生用地转移桑基图 Fig. 2 Production-living-ecological space of spatial terrestrial transfer in urban agglomeration in the middle reaches of the Yangtze River from 2010 to 2020

分阶段看，2010~2015年，农业生产用地总转出面积7 098.01 km²，是所有用地类型转出面积最多的，其中向林地生态用地转移面积最大，为4 098.05 km². 林地生态用地总转出面积5 511.92 km²，其中向农业生产用地转移面积最大，为4 065.26 km². 农村生活用地向农业生产用地和林地生态用地转移面积分别744.12 km²和87.12 km². 2015~2020年，三生用地转移过程主要表现为生态、生活用地向生产用地转移. 其中农业生产用地转入面积最多，林地生态用地向其转移面积最多，为5 052.15 km²，其次是水域生态用地向其转移面积，为1 664.91 km². 在向工矿生产用地的转移中，农业生产用地转移面积最多，为1 267.283 7 km². 水域和城镇用地在此期间也有部分转为工矿生产用地.

本研究将长江中游城市群的土地利用数据与12项驱动因子导入到PLUS模型中进行空间叠加，并对其扩张因素进行分析，如图 3所示. 在农业生产用地扩张图中，人口对其的影响程度最大，农业生产用地在长江中游全域均有增长，需要扩大农业用地来满足密集且不断增长的人口. 对林地生态用地影响最大的因子是DEM，在低海拔段，农业生产用地和城镇生活用地分布较广，而海拔增高则更适宜林木生长，对林地扩张影响显著. 影响草地生态用地扩张的驱动因子主要是DEM，新增草地主要分布在海拔较高地区，这类区域交通不便捷、土壤侵蚀程度高、人口较少、经济不发达，因此适合生态功能区域存在. 在水域生态用地和农村生活用地扩张图中，影响最大的是DEM，新的水域基本集中在地势低平的平原以及河流附近，新增的农村生活用地主要分布在江汉平原、洞庭湖平原及鄱阳湖平原. 对城镇生活用地影响最大的驱动因子是人口，新增的城镇生活用地主要分布在长江中游城市群的核心城市，其次分布在长江沿线上，呈现出带状分布. 灯光对工矿生产用地扩张的影响最大，工矿生产用地主要分布在武汉市区和长沙市区，两市区作为武汉城市圈和环长株潭城市群的核心区，是城市群工业化发展的先导. 其他生态用地的扩张主要发生在高海拔区域，因为地形限制使这些地区难以被开发为农业或建设用地.

横坐标为驱动因子贡献率图 3 土地利用类型用地扩张的驱动因子贡献度分析 Fig. 3 Contribution degree analysis of driving factors for land use type expansion

2.2 2010~2020年长江中游城市群景观格局指数结果分析

2010~2020年各景观类型的景观格局指数如表 5所示. 从三生空间用地类型来看，各类型的斑块数量均呈增加趋势，其中工矿建设用地的斑块数量在10 a间由7 642增至14 384个，面积同步显著增加，此外其景观分离度逐年减小，由1.244 45降低到0.704 24. 农业生产用地和林地生态用地的景观优势度远大于其他几种景观优势度，变化趋势相同，总体都呈下降趋势. 草地生态用地、水域生态用地和其他生态用地的景观破碎度均呈现持续增加的趋势，景观生态稳定性降低. 城镇生活用地的面积先增后减，破碎度和分离度呈上升趋势，农村生活用地的破碎度和分离度居高不下.

表 5 2010~2020年长江中游城市群景观格局指数 Table 5 Landscape pattern indices of urban agglomeration in the middle reaches of the Yangtze River from 2010 to 2020

土地利用类型	年份	斑块数量	破碎度	分离度	优势度	干扰度	脆弱度	损失度
农业生产用地	2010	69 023	0.005 37	0.060 49	0.503 21	0.121 47	0.138 89	0.016 87
	2015	76 371	0.006 00	0.064 25	0.503 89	0.123 05	0.138 89	0.017 09
	2020	74 359	0.005 83	0.063 28	0.502 06	0.122 31	0.138 89	0.016 99
工矿生产用地	2010	7 642	0.036 75	1.244 45	0.113 59	0.414 43	0.194 44	0.080 58
	2015	12 577	0.032 78	0.865 33	0.147 74	0.305 54	0.194 44	0.059 41
	2020	14 384	0.028 53	0.704 24	0.166 30	0.258 80	0.194 44	0.050 32
林地生态用地	2010	45 738	0.002 62	0.036 32	0.534 18	0.119 04	0.083 33	0.009 92
	2015	48 538	0.002 79	0.037 54	0.532 92	0.119 24	0.083 33	0.009 94
	2020	48 931	0.002 83	0.037 90	0.531 65	0.119 12	0.083 33	0.009 93
草地生态用地	2010	13 355	0.015 18	0.388 94	0.172 35	0.158 75	0.111 11	0.017 64
	2015	13 672	0.015 63	0.395 69	0.171 76	0.160 87	0.111 11	0.017 87
	2020	14 253	0.015 88	0.393 76	0.175 74	0.161 22	0.111 11	0.017 91
水域生态用地	2010	27 337	0.011 37	0.203 49	0.265 57	0.119 84	0.166 67	0.019 97
	2015	28 141	0.011 69	0.206 35	0.264 62	0.120 68	0.166 67	0.020 11
	2020	28 215	0.011 98	0.211 11	0.264 49	0.122 22	0.166 67	0.020 37
其他生态用地	2010	1 371	0.007 14	0.570 77	0.035 53	0.181 91	0.222 22	0.040 42
	2015	1 405	0.007 41	0.584 93	0.035 30	0.186 24	0.222 22	0.041 39
	2020	1 508	0.007 94	0.605 56	0.035 79	0.192 80	0.222 22	0.042 84
城镇生活用地	2010	2 102	0.005 23	0.337 87	0.083 67	0.120 71	0.055 56	0.006 70
	2015	2 212	0.005 31	0.334 01	0.084 88	0.119 83	0.055 56	0.006 66
	2020	2 480	0.006 38	0.379 00	0.082 76	0.133 44	0.055 56	0.007 41
农村生活用地	2010	69 509	0.102 55	1.151 52	0.288 64	0.454 46	0.027 78	0.012 62
	2015	69 679	0.103 33	1.158 82	0.284 16	0.456 14	0.027 78	0.012 67
	2020	69 513	0.101 88	1.143 89	0.283 14	0.450 73	0.027 78	0.012 52

表 5 2010~2020年长江中游城市群景观格局指数 Table 5 Landscape pattern indices of urban agglomeration in the middle reaches of the Yangtze River from 2010 to 2020

从景观格局指数来看，景观整体破碎化程度在加剧，农村生活用地的破碎度指数远高于其他土地利用类型，其景观破碎化最为严重. 整体分离度指数在增加，林地生态用地保持最低水平0.037左右，其生态连通性良好. 景观优势度除工矿生产用地外基本保持稳定，工矿生产用地优势度由0.113 59增加至0.166 30，提升46.4%. 受干扰的程度较为显著的是农村生活用地、工矿生产用地，干扰度指数值与土地利用类型面积呈负相关关系. 景观损失度数值变化与面积变化相反，前5 a比后5 a变化的幅度更明显，说明前5 a长江中游城市群的空间扩张增强了干扰强度，其生态系统自然属性的损失程度更大.

2.3 2010~2020年长江中游城市群景观生态风险时空格局分析

根据公式计算得到5 808个风险小区的景观生态风险指数（ERI），结合ERI值的区间范围，借助ArcGIS的自然断点法将景观生态风险指数划分为5个等级：低风险区（ERI < 0.012 4）、较低风险区（0.012 4 < ERI≤0.015 2）、中风险区（0.015 2 < ERI≤0.018 3）、较高风险区（0.018 3 < ERI≤0.023 4）和高风险区（ERI > 0.023 4），得到长江中游城市群2010~2020年景观生态风险等级空间分布（图 4）.

图 4 2010~2020年长江中游城市群景观生态风险等级空间分布 Fig. 4 Spatial distribution of landscape ecological risk levels in urban agglomeration in the middle reaches of the Yangtze River from 2010 to 2020

从图上看，景观生态风险时空演变呈现显著的空间分异特征. 从时间维度看，生态风险总体呈上升趋势，高风险区面积持续扩张，尤其在2010~2015年间增速较快，2015~2020年扩张速度有所减缓，一些高风险区和较高风险区的范围有小幅度的收缩或调整，同时部分中风险区有向较低风险区改善的迹象. 空间分布上，高风险区呈现“多中心集聚”格局，主要分布在武汉市及其周边黄石、孝感部分区域，长株潭连片区域以及南昌、宜昌和岳阳等沿江城市，形成明显的风险热岛效应^[45]. 中低风险区构成区域生态基底，主要分布在武汉、长沙和南昌等中心城市建成区外围和交通干线两侧延伸区域，随着时间推移，部分低风险区逐步向中高风险区转化. 风险传导呈现沿江发展的特征，长江干流及主要支流沿岸风险等级提升明显^[46].

对景观风险各等级区的面积和比例进行统计，如表 6所示. 整体上，低风险区和较低风险区面积占比较大，二者之和在各年份均超60%，是区域景观生态的主要构成部分；而高风险区和较高风险区占比较小. 低风险区2010年面积为135 654 km²，占比为38.70%，到2015年面积降至129 824 km²，占比为37.04%，2020年进一步减少到129 716 km²，占比为37.01%，面积持续缓慢下降. 较低风险区面积在这期间相对稳定，虽有微小波动，但总体变化不大. 中风险区面积减小，可能是部分区域生态环境得到改善，风险等级降低，也可能是部分区域生态恶化，风险等级上升. 较高风险区和高风险区面积和比例均持续上升，呈扩张态势，其中2010~2015年较高风险区面积增速较快，占比增加了1.81个百分点. 总的来说，长江中游城市群整体景观生态风险呈上升趋势.

表 6 景观生态风险各等级区面积及比例统计 Table 6 Statistics of area and proportion for different landscape ecological risk levels

2.4 2035年“三生”用地情景模拟及景观生态风险分析

（1）“三生”用地情景模拟格局预测 2035年长江中游城市群三生用地空间分布呈现出明显的政策导向性，不同发展情景下的空间分布情景差异显著，如图 5所示. 自然发展情景下，延续了历史发展趋势，各类用地保持动态平衡，“三生空间”分布基本不变. 生态空间和农业生产空间广泛覆盖长江中游城市群，农业生产用地呈现“大分散、小集中”的特点，与工矿生产用地交错分布，生活用地按照城市呈点状零散分布，但在武汉、长沙和南昌有较大区域的覆盖. 生态保护情景下，长江中游城市群的土地利用以保护生态空间不被占用为首要目标，同时修复生态系统，扩大生态空间面积. 该情景下，林地生态用地明显扩张，农业生产用地向生态用地转化明显，城镇生活和工矿生产用地被限制发展，面积显著减少，呈现紧凑集约布局. 生产优先情景下，生产空间得到了显著的扩张. 工矿用地呈现大幅扩张态势，特别是在中心城市周边集中分布，产业集聚效应明显. 林地生态用地明显缩减，水域生态用地受到一定挤压. 生产优先情景下“三生空间”的分布状况和自然情景下的分布状况基本不变.

图 5 2035年不同情景下长江中游城市群“三生”用地空间分布 Fig. 5 Spatial distribution of "production-living-ecological" land use in urban agglomeration in the middle reaches of the Yangtze River under different scenarios in 2035

（2）景观生态风险时空分异 2035年长江中游城市群自然发展、生态保护和生产优先这3种情景下的景观生态风险等级空间分布如图 6所示. 自然发展情景下，生态风险分布延续既有趋势：高风险区和较高风险区在城市群核心都市圈仍较为集中，中风险区范围相对稳定，低风险区和较低风险区分布在武陵山、大别山腹地等偏远山区和鄱阳湖、神农架、幕阜山等生态保护区，部分边缘地带可能因人类活动扩张，面临风险等级上升压力. 生态保护情景下，相较于其他情景，低风险区和较低风险区范围有一定程度扩大，高风险区和较高风险区面积有所缩减，但在一些人类活动集中的核心区域，仍存在一定面积的中、高风险区. 生产优先情景中，高风险区和较高风险区面积明显增加，分布范围有所扩大，中风险区范围向城乡结合部拓展，低风险区和较低风险区面积相应减少，意味着在追求生产的过程中，生态系统受到冲击，景观生态风险整体上升.

图 6 2035年不同情景下长江中游城市群景观生态风险等级空间分布 Fig. 6 Spatial distribution of landscape ecological risk levels in urban agglomeration in the middle reaches of the Yangtze River under different scenarios in 2035

分析各风险区面积及比例（表 7），这3种发展模式对景观生态风险的影响差异显著. 自然发展情景呈现典型的“中间化”特征，中风险区面积达107 023 km²，占比为30.53%，反映出自然发展过程中，生态风险处于中间状态的区域广泛存在. 生态保护情景展现出最优的生态格局，其高风险区面积最小，仅占比为1.06%，低风险区占比最高（32.69%），整体生态风险呈下降趋势，表现为高、较高风险区转向较低风险. 生产优先情景的风险结构最为失衡，较高风险区面积为29 084 km²，占比为8.30%，高风险区面积6 922 km²，占比为1.97%，二者面积与占比均为3种情景中最高，整体趋势反映出生态系统的不稳定和高风险.

表 7 多情景模拟下景观生态风险各等级区面积及比例统计 Table 7 Statistics of area and proportion of different landscape ecological risk levels under multi-scenario simulation

3 讨论 3.1 “三生”用地演变的驱动因素

本研究将长江中游城市群的土地利用数据与所选取的自然和社会经济的12项驱动因子导入到PLUS模型，进行了土地利用扩张分析策略（LEAS）分析，生成了驱动因素贡献度，反映了各驱动因子对各用地类型扩张的影响程度存在差异. 从扩张因素角度进行分析，人口和DEM等因素对农业生产用地、林地、水域和其他生态用地及农村生活用地的面积变化影响较大，DEM是影响林地、草地、水域和其它生态用地扩张的主导因素，生活用地面积的变化主要受到距政府驻地距离的因素的影响.

长江中游城市群的自然条件为三生空间的初始布局提供了基础，丰富的水资源和适宜的气候使得农业生产用地具备良好的发展条件，广袤的森林形成了大面积的林地生态用地，洞庭湖区和鄱阳湖湖区及湿地的存在一定程度上限制了部分生产和生活空间向湖区周边扩张，维持了生态空间的稳定性^[29].

随着工业化和城镇化进程加速，经济发展成为三生空间演变的关键驱动力^[47]，一方面，工业的发展促使工矿生产用地不断增加，这是由于产业扩张需要更多的土地用于厂房建设、工业设施布局等. 另一方面，城镇化进程通过人口集聚效应带动了城市基础设施建设和房地产开发，导致城镇生活用地面积增加. 形成“人口迁移-空间需求-用地扩张”的连锁反应，同时农村人口向城市迁移，也导致农村生活用地减少，城镇生活用地增加，改变了劳动力的分布，影响了产业布局，进而推动了生产空间的演变.

在不同情景设置中，政策导向对三生空间演变影响明显^[48]. 生态保护情景下，生态空间得到有效保护和一定程度的扩张. 而在生产优先情景下，优先考虑生产空间发展，导致生产空间显著扩张，特别是工矿生产用地面积大幅增加. 这表明政府制定的土地利用政策、产业发展政策等对三生空间的演变方向和速度有着重要的引导作用.

3.2 不同情景下“三生”用地变化特征与景观生态风险

自然发展情景下，整体生活空间的增长表明城市群在向更高密度、更集中的方向发展，尤其表现在由于城市化进程的加快和城市人口的增加，城镇生活用地显著扩张^[49]. 生产用地的转变显示出经济结构的转型，从以农业为主逐步向工业和矿业等第二产业转变，反映了工业化的推进和经济发展的需求. 林地生态用地的增加说明在一定程度上有植被覆盖率的提高. 然而，草地和水域生态用地的减少可能对生态系统的平衡带来一定影响，需引起关注. 由此可见，控制建筑用地总量，调整土地利用的结构模式，促使生态环境质量得以改善，这是长江中游城市群土地利用后续发展要遵循的方向.

生态保护情景下，由于退耕还林政策和城市绿地规划的有效实施，生态用地占地面积都在增加，生态保护发展设置限制了生产空间无序、盲目地扩张，使得生产空间的占地面积缩减. 生态保护情景的良好结果通常源于科学合理的生态规划. 这启示人们在制定政策时，要充分考虑生态系统的完整性和复杂性，进行全面的生态评估^[50]. 例如，在规划城市扩张时，要预留足够的生态廊道和自然保护区，避免对生态系统造成割裂和破坏.

生产优先情景下分析长江中游城市群的生产空间在2035年得到了显著的扩张，且这种增长主要集中在工矿生产用地上的主要原因是对工业化和矿业发展的重视，以及通过增加工矿生产用地来满足经济快速发展的需求. 生态空间总面积略有下降，城镇生活用地明显扩张. 生产优先情景下“三生空间”的分布状况与自然发展情景下的分布状况基本一致.

长江中游城市群在城镇化和产业转型进程中，“三生”用地变化带来了景观生态风险. 在2010~2020年期间整体景观生态风险上升，高风险区和较高风险区面积持续扩张，主要集中在城市群核心区域及交通干线沿线. 未来情景模拟显示，自然发展情景下风险分布延续既有趋势，生态保护情景下风险有所缓解但仍有挑战，生产优先情景下风险整体上升. 这说明了生活水平提高和经济快速发展直接导致用地需求不断增加，为了满足工业、商业和居住等多元化需求，大量的生态用地被占用，景观生态风险显著上升. 因此，长江中游城市群要在推动城市化进程时，应坚守生态保护的红线，以可持续发展为目标，科学合理地规划土地利用结构，旨在实现生态环境与社会经济的双赢，即在不破坏自然生态平衡的前提下，促进经济社会的健康发展.

本研究使用PLUS模型模拟和景观指数的选取过程中，部分参数的赋值和计算方法受主观影响，且需经过不断调试，使得研究结果具有不确定性，未来应制定指数调试评估模版，使研究更可信，且横向可比. 另外由于本文数据的可获取性，选择的12个影响因子并不能全面反映研究区土地利用变化特征，还有很多因素如植被类型^[51]和土壤肥力^[52]等也影响结果. 未来研究中驱动因子的选择要综合考虑其多元性、动态性和空间差异性.

4 结论

（1）2010~2020年长江中游城市群主要的用地类型是林地，其次是农业生产用地，林地的面积10 a间处于持续缩减的状态，各土地利用类型之间的转化较为激烈.

（2）2010~2020年长江中游城市群景观整体破碎化程度加剧，较高风险区面积持续扩张，景观生态风险总体呈上升趋势.

（3）在3种情景下，2035年长江中游城市群“三生空间”格局分布基本保持一致，生活空间均为扩张趋势. 其中自然发展情景和生产优先情景下，生产空间占地面积扩张，生态空间占地面积缩减，生态保护情景下则相反.

（4）在3种情景下，2035年长江中游城市群在生态保护情景下高风险区面积最小，整体生态风险呈下降趋势；自然发展情景生态风险处于中间状态的区域广泛存在；生产优先情景风险结构最为失衡，整体生态风险上升.

参考文献

[1]	潘方杰, 万庆, 曾菊新, 等. 城镇化进程中湖北省"生产—生活—生态"空间冲突演化及其影响因素[J]. 经济地理, 2023, 43(2): 80-92. Pan F J, Wan Q, Zeng J X, et al. Evolution characteristics and influence factors of spatial conflicts between production-living-ecological space in the rapid urbanization process of Hubei Province, China[J]. Economic Geography, 2023, 43(2): 80-92.
[2]	Yang X J, Wang J, Qiao N, et al. Spatiotemporal variation pattern of production-living-ecological space and land use ecological risk and their relationship analysis: a case study of Changzhi City, China[J]. Environmental Science and Pollution Research, 2023, 30(25): 66978-66993. DOI:10.1007/s11356-023-27169-w
[3]	杨帆, 熊素文, 雷婷, 等. 城镇化进程中洞庭湖区"三生空间"格局演变与驱动机制[J]. 生态学报, 2022, 42(17): 7043-7055. Yang F, Xiong S W, Lei T, et al. Evolution of the "production-living-ecological space" pattern and driving mechanisms in the Dongting Lake area during the urbanization process[J]. Acta Ecologica Sinica, 2022, 42(17): 7043-7055.
[4]	王梓洋, 张学斌, 李雪红. 石羊河流域"三生"空间演变对碳固存和碳排放的影响机制[J]. 环境科学, 2025, 46(4): 2047-2056. Wang Z Y, Zhang X B, Li X H. Influence mechanism of "production-living-ecological" spatial evolution on carbon sequestration and emission in the Shiyang River Basin[J]. Environmental Science, 2025, 46(4): 2047-2056. DOI:10.13227/j.hjkx.202404132
[5]	安敏, 韦雅倩, 何伟军, 等. 气候变化和人类活动对长江经济带生态敏感性的影响分析[J]. 环境科学, 2024, 45(10): 5833-5843. An M, Wei Y Q, He W J, et al. Impact of climate change and Human activities on the ecological sensitivity of the Yangtze River Economic Belt[J]. Environmental Science, 2024, 45(10): 5833-5843. DOI:10.13227/j.hjkx.202311071
[6]	勾容, 苏维词, 黄贤凤. 基于景观生态安全评价的贵州省生态安全网络构建及多情景模拟[J]. 环境科学, 2025, 46(7): 4580-4591. Gou R, Su W C, Huang X F. Construction of ecological security network and multi-scenario simulation in Guizhou Province based on landscape ecological security assessment[J]. Environmental Science, 2025, 46(7): 4580-4591. DOI:10.13227/j.hjkx.202406286
[7]	Fu J Y, Bu Z Q, Jiang D, et al. Sustainable land use diagnosis based on the perspective of production-living-ecological spaces in China[J]. Land Use Policy, 2022, 122. DOI:10.1016/j.landusepol.2022.106386
[8]	郭彦君, 郭文炯. "三生空间"视角下山西中部盆地城市群景观生态风险分析[J]. 生态学杂志, 2022, 41(9): 1813-1824. Guo Y J, Guo W J. Landscape ecological risk analysis of urban agglomeration in the central basin of Shanxi from the perspective of "production-living-ecological spaces[J]. Chinese Journal of Ecology, 2022, 41(9): 1813-1824.
[9]	Faber J H, van Wensem J. Elaborations on the use of the ecosystem services concept for application in ecological risk assessment for soils[J]. Science of the Total Environment, 2012, 415: 3-8. DOI:10.1016/j.scitotenv.2011.05.059
[10]	Zhang Q, Chen C L, Wang J Z, et al. The spatial granularity effect, changing landscape patterns, and suitable landscape metrics in the Three Gorges Reservoir Area, 1995-2015[J]. Ecological Indicators, 2020, 114. DOI:10.1016/j.ecolind.2020.106259
[11]	Zhang X M, Du H M, Wang Y, et al. Watershed landscape ecological risk assessment and landscape pattern optimization: take Fujiang River Basin as an example[J]. Human and Ecological Risk Assessment: An International Journal, 2021, 27(9-10): 2254-2276. DOI:10.1080/10807039.2021.1970511
[12]	刘佳依, 许大为, 徐嘉. 基于InVEST模型的蒲河流域景观格局及生境质量时空演变分析[J]. 水土保持学报, 2024, 38(2): 258-267. Liu J Y, Xu D W, Xu J. Analysis of landscape patterns and spatio-temporal evolution of habitat quality in the PU River Basin based on the InVEST model[J]. Journal of Soil and Water Conservation, 2024, 38(2): 258-267.
[13]	Yu W Q, Zhang J, Liu L J, et al. A source-sink landscape approach to mitigation of agricultural non-point source pollution: validation and application[J]. Environmental Pollution, 2022, 314. DOI:10.1016/j.envpol.2022.120287
[14]	Wu J S, Zhu Q L, Qiao N, et al. Ecological risk assessment of coal mine area based on "source-sink" landscape theory–a case study of Pingshuo mining area[J]. Journal of Cleaner Production, 2021, 295. DOI:10.1016/j.jclepro.2021.126371
[15]	李敏, 唐剑锋, 陈利顶, 等. 城郊流域源汇景观格局与水体抗生素的关系[J]. 环境科学, 2020, 41(5): 2264-2271. Li M, Tang J F, Chen L D, et al. Relationship between source-sink landscape pattern and antibiotics in surface water in peri-urban watershed[J]. Environmental Science, 2020, 41(5): 2264-2271. DOI:10.13227/j.hjkx.201911114
[16]	王舒, 刘凤莲, 杜汶胶, 等. 滇西北高原湖泊流域景观生态风险时空演变及驱动力识别[J]. 环境科学, 2025, 46(5): 3114-3126. Wang S, Liu F L, Du W J, et al. Spatial-temporal evolution of landscape ecological risk and driving forces in the Plateau Lake Basin of northwest Yunnan[J]. Environmental Science, 2025, 46(5): 3114-3126. DOI:10.13227/j.hjkx.202405125
[17]	Xie J F, Zhao J, Zhang S S, et al. Optimal scale and scenario simulation analysis of Landscape ecological risk assessment in the Shiyang River Basin[J]. Sustainability, 2023, 15(22). DOI:10.3390/su152215883
[18]	陈斌, 徐尚昭, 周阳阳, 等. "三生空间"视角下宜昌市景观生态安全评价及其耦合特征分析[J]. 水土保持研究, 2022, 29(4): 344-351. Chen B, Xu S Z, Zhou Y Y, et al. Evaluation and coupling coordination analysis of landscape ecological security of Yichang from the perspective of production-life-ecological space[J]. Research of Soil and Water Conservation, 2022, 29(4): 344-351.
[19]	王玲, 汪淼. 成渝城市群景观生态风险演变分析[J]. 长江流域资源与环境, 2023, 32(3): 626-637. Wang L, Wang M. Chengdu-chongqing urban landscape ecological risk evolution analysis[J]. Resources and Environment in the Yangtze Basin, 2023, 32(3): 626-637.
[20]	梁发超, 胡其玉, 起晓星. 基于生命共同体的景观生态风险评价与管控策略——以成渝城市群为例[J]. 经济地理, 2021, 41(8): 152-159. Liang F C, Hu Q Y, Qi X X. Risk assessment of landscape ecology and its control strategy based on life community: a case study of Chengdu-Chongqing urban agglomeration[J]. Economic Geography, 2021, 41(8): 152-159.
[21]	汪翡翠, 汪东川, 张利辉, 等. 京津冀城市群土地利用生态风险的时空变化分析[J]. 生态学报, 2018, 38(12): 4307-4316. Wang F C, Wang D C, Zhang L H, et al. Spatiotemporal analysis of the dynamic changes in land use ecological risks in the urban agglomeration of Beijing-Tianjin-Hebei vegion[J]. Acta Ecologica Sinica, 2018, 38(12): 4307-4316.
[22]	景培清, 张东海, 艾泽民, 等. 基于格局-过程生态适应性循环三维框架的自然景观生态风险评价——以黄土高原为例[J]. 生态学报, 2021, 41(17): 7026-7036. Jing P Q, Zhang D H, Ai Z M, et al. Natural landscape ecological risk assessment based on the three-dimensional framework of pattern-process ecological adaptability cycle: a case in Loess Plateau[J]. Acta Ecologica Sinica, 2021, 41(17): 7026-7036.
[23]	何梦真, 张乐涛, 魏仪媛, 等. 黄河中游不同地貌分区景观格局脆弱性及其驱动力[J]. 环境科学, 2024, 45(6): 3363-3374. He M Z, Zhang L T, Wei Y Y, et al. Landscape pattern vulnerability and its driving forces in different geomorphological divisions in the middle Yellow River[J]. Environmental Science, 2024, 45(6): 3363-3374. DOI:10.13227/j.hjkx.202307117
[24]	刘凤, 曾永年, 赵丹阳, 等. 长江中游城市群土地利用生态风险分析——以长株潭城市群为例[J]. 国土与自然资源研究, 2016(5): 16-22. Liu Fe, Zeng Y N, Zhao D Y, et al. Land useand ecological risk analysis in the middle reaches of the Yangtze River---a case study of Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Territory & Natural Resources Study, 2016(5): 16-22.
[25]	Deng W F, Li S S, Wei G E, et al. Analyzing industry ecological sustainability from the perspective of spatial association network: a case study of the urban agglomeration in the middle reaches of the Yangtze River[J]. Ecological Indicators, 2025, 170. DOI:10.1016/j.ecolind.2024.113071
[26]	中华人民共和国发展改革委. 国家发展改革委关于印发长江中游城市群发展"十四五"实施方案的通知[EB/OL]. https://www.gov.cn/zhengce/zhengceku/2022-03/16/content_5679303.htm, 2022-02-15.
[27]	Wu J G. Urban ecology and sustainability: the state-of-the-science and future directions[J]. Landscape and Urban Planning, 2014, 125: 209-221. DOI:10.1016/j.landurbplan.2014.01.018
[28]	Liu M B, Xiong Y F, Zhang A L. Multi-scale telecoupling effects of land use change on ecosystem services in urban agglomerations -- a case study in the middle reaches of Yangtze River urban agglomerations[J]. Journal of Cleaner Production, 2023, 415. DOI:10.1016/j.jclepro.2023.137878
[29]	徐磊. 基于"三生"功能的长江中游城市群国土空间格局优化研究[D]. 武汉: 华中农业大学, 2017. Xu L. Research on the optimization of geographical spatial pattern of urban agglomeration in the middle reaches of the Yangtze River base on the production-living-ecological function[D]. Wuhan: Huazhong Agricultural University, 2017.
[30]	张政, 周廷刚, 周志衡, 等. 长江中游城市群城市化对PM_2.5浓度的多尺度驱动机制[J]. 环境科学, 2024, 45(3): 1304-1314. Zhang Z, Zhou T G, Zhou Z H, et al. Multi-scale driving mechanism of urbanization on PM_2.5 concentration in urban agglomeration in the middle reaches of the Yangtze River[J]. Environmental Science, 2024, 45(3): 1304-1314. DOI:10.13227/j.hjkx.202303231
[31]	刘佳楠, 姬广兴, 高红凯, 等. 基于PLUS模型的河南省"三生空间"多情景模拟及生态环境效应分析[J]. 环境科学, 2025, 46(2): 990-1001. Liu J N, Ji G X, Gao H K, et al. Multi-scenario simulation and eco-environmental effect analysis of production-living-ecological space in Henan Province based on PLUS model[J]. Environmental Science, 2025, 46(2): 990-1001. DOI:10.13227/j.hjkx.202402085
[32]	张廷, 胡玉柱, 胡海辉, 等. 基于PLUS-InVEST模型的哈尔滨市土地利用及生境质量预测[J]. 环境科学, 2024, 45(8): 4709-4721. Zhang T, Hu Y Z, Hu H H, et al. Prediction of land use and habitat quality in Harbin city based on the PLUS-InVEST model[J]. Environmental Science, 2024, 45(8): 4709-4721. DOI:10.13227/j.hjkx.202308212
[33]	Zhou X, Ji G H, Wang F, et al. Identification and simulation of ecological zoning in the Yangtze River Delta (YRD) urban agglomeration based on Ecological Service Value (ESV)-Landscape Ecological Risk (LER)[J]. Journal of Cleaner Production, 2025, 516. DOI:10.1016/j.jclepro.2025.145778
[34]	彭建, 党威雄, 刘焱序, 等. 景观生态风险评价研究进展与展望[J]. 地理学报, 2015, 70(4): 664-677. Peng J, Dang W X, Liu Y X, et al. Review on landscape ecological risk assessment[J]. Acta Geographica Sinica, 2015, 70(4): 664-677.
[35]	梁庆璇, 廖超明, 凌子燕, 等. 三生空间视角下防城港市土地利用景观生态风险评价[J]. 科学技术与工程, 2022, 22(28): 12683-12694. Liang Q X, Liao C M, Ling Z Y, et al. Ecological risk assessment of land use landscape in Fangchenggang City from the perspective of production life ecological space[J]. Science Technology and Engineering, 2022, 22(28): 12683-12694.
[36]	张学斌, 石培基, 罗君, 等. 基于景观格局的干旱内陆河流域生态风险分析——以石羊河流域为例[J]. 自然资源学报, 2014, 29(3): 410-419. Zhang X B, Shi P J, Luo J, et al. The ecological risk assessment of arid inland river basin at the landscape scale: a case study on Shiyang River Basin[J]. Journal of Natural Resources, 2014, 29(3): 410-419.
[37]	Liang X, Guan Q F, Clarke K C, et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: a case study in Wuhan, China[J]. Computers, Environment and Urban Systems, 2021, 85. DOI:10.1016/j.compenvurbsys.2020.101569
[38]	张经度, 梅志雄, 吕佳慧, 等. 纳入空间自相关的FLUS模型在土地利用变化多情景模拟中的应用[J]. 地球信息科学学报, 2020, 22(3): 531-542. Zhang J D, Mei Z X, Lv J H, et al. Simulating multiple land use scenarios based on the FLUS model considering spatial autocorrelation[J]. Journal of Geo-information Science, 2020, 22(3): 531-542.
[39]	王保盛, 廖江福, 祝薇, 等. 基于历史情景的FLUS模型邻域权重设置——以闽三角城市群2030年土地利用模拟为例[J]. 生态学报, 2019, 39(12): 4284-4298. Wang B S, Liao J F, Zhu W, et al. The weight of neighborhood setting of the FLUS model based on a historical scenario: a case study of land use simulation of urban agglomeration of the Golden Triangle of Southern Fujian in 2030[J]. Acta Ecologica Sinica, 2019, 39(12): 4284-4298.
[40]	Lin W B, Sun Y M, Nijhuis S, et al. Scenario-based flood risk assessment for urbanizing deltas using future land-use simulation (FLUS): Guangzhou Metropolitan Area as a case study[J]. Science of the Total Environment, 2020, 739. DOI:10.1016/j.scitotenv.2020.139899
[41]	Wu C Y, Chen B W, Huang X J, et al. Effect of land-use change and optimization on the ecosystem service values of Jiangsu province, China[J]. Ecological Indicators, 2020, 117. DOI:10.1016/j.ecolind.2020.106507
[42]	王旭, 马伯文, 李丹, 等. 基于FLUS模型的湖北省生态空间多情景模拟预测[J]. 自然资源学报, 2020, 35(1): 230-242. Wang X, Ma B W, Li D, et al. Multi-scenario simulation and prediction of ecological space in Hubei province based on FLUS model[J]. Journal of Natural Resources, 2020, 35(1): 230-242.
[43]	于芝琳, 赵明松, 高迎凤, 等. 基于InVEST-PLUS模型的淮北市碳储量时空演变及预测[J]. 环境科学, 2024, 45(6): 3270-3283. Yu Z L, Zhao M S, Gao Y F, et al. Spatio-temporal evolution and prediction of carbon storage in Huaibei city based on InVEST-PLUS model[J]. Environmental Science, 2024, 45(6): 3270-3283. DOI:10.13227/j.hjkx.202306110
[44]	陈理庭, 蔡海生, 张婷, 等. 基于Markov-FLUS模型的饶河流域土地利用多情景模拟分析[J]. 生态学报, 2022, 42(10): 3947-3958. Chen L T, Cai H S, Zhang T, et al. Land use multi-scenario simulation analysis of Rao River Basin based on Markov-FLUS model[J]. Acta Ecologica Sinica, 2022, 42(10): 3947-3958.
[45]	方云皓, 赵丽元, 窦碧莹, 等. 基于MSPA-CIRCUIT的长江中游城市群热环境网络识别与评价研究[J]. 生态环境学报, 2023, 32(7): 1237-1248. Fang Y H, Zhao L Y, Dou B Y, et al. Research on thermal environment network identification and evaluation of urban agglomeration in the middle reaches of the Yangtze River based on MSPA-CIRCUIT[J]. Journal of Ecology and Environment, 2023, 32(7): 1237-1248.
[46]	Ran P L, Hu S G, Frazier A E, et al. Exploring changes in landscape ecological risk in the Yangtze River Economic Belt from a spatiotemporal perspective[J]. Ecological Indicators, 2022, 137. DOI:10.1016/j.ecolind.2022.108744
[47]	Deng Y X, Yang R. Influence mechanism of production-living-ecological space changes in the urbanization process of Guangdong Province, China[J]. Land, 2021, 10(12). DOI:10.3390/land10121357
[48]	杨燕, 胡书玲, 王坤, 等. 少数民族旅游村寨的三生空间演变及驱动机制——以肇兴侗寨为例[J]. 经济地理, 2023, 43(12): 222-230. Yang Y, Hu S L, Wang K, et al. Evolution and driving mechanism of "production-living-ecological" space in ethnic tourism village: a case study of Dong Village in Zhaoxing Town[J]. Economic Geography, 2023, 43(12): 222-230.
[49]	金星星, 陆玉麒, 林金煌, 等. 闽三角城市群生产-生活-生态时空格局演化与功能测度[J]. 生态学报, 2018, 38(12): 4286-4295. Jin X X, Lu Y Q, Lin J H, et al. Research on the evolution of spatiotemporal patterns of production-living-ecological space in an urban agglomeration in the Fujian Delta region, China[J]. Acta Ecologica Sinica, 2018, 38(12): 4286-4295.
[50]	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. DOI:10.13227/j.hjkx.202406123
[51]	田梓祎, 高凡, 何兵, 等. 1990~2020年塔里木河流域土地利用变化及其对碳储量的影响[J]. 环境科学, 2024, 45(11): 6514-6526. Tian Z Y, Gao F, He B, et al. Land use change and its impact on carbon stock in the Tarim River Basin from 1990 to 2020[J]. Environmental Science, 2024, 45(11): 6514-6526. DOI:10.13227/j.hjkx.202311201
[52]	徐文彬, 饶良懿. 土地利用和气候变化对农牧交错带生态系统服务的影响[J]. 环境科学, 2023, 44(9): 5114-5124. Xu W B, Rao L Y. Impacts of land use and climate change on ecosystem services in agro-pastoral ecotone[J]. Environmental Science, 2023, 44(9): 5114-5124. DOI:10.13227/j.hjkx.202210002


环境科学 2026, Vol. 47 Issue (8): 5662-5674	PDF