2026, Vol. 47
2. 中国科学院生态环境研究中心，北京 100085
2. Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China
《2024年地球生命力报告》显示，近50 a来，由于人类活动引起的全球生态系统退化与生境丧失呈现加速趋势. 该现象不仅直接导致物种生存空间的缩减，更通过“生态系统衰变”效应[1]引发连锁生态响应，即生境破碎化导致的边缘效应、种群隔离等次生过程进一步放大生物多样性损失[2]. 在此背景下，生境恢复力的持续下降已成为全球生态安全的重大挑战. 为践行“自然恢复为主、人工修复为辅”的差异化治理范式，生态功能分区（ecological functional zoning，EFZ）在国土空间规划中得到广泛推行[3，4]. 该分区作为协调区域发展与生态保护的核心空间治理工具，其科学基础在于识别生态系统服务供给热点区与生态胁迫敏感区，进而通过空间资源配置优化实现保护效益最大化[5]. 在当前国土空间生态保护与修复的总体框架下，生态保护优先区（priority area for ecological protection，PAEP）与生态恢复优先区（priority areas for ecological restoration，PAER）是研究者探索的关键区[6~8]，但其二者核心导向却存在显著差异. PAEP侧重于对生态系统结构完整、功能稳定且生物多样性丰富的区域实施严格保护，旨在维持其现有高生态价值并防范退化风险，如Xu等[6]基于黄河流域耦合生态环境质量与生态系统服务取前10%、20%和30%的县划分为3种类型的PAEP. PAER则聚焦于已遭受不同程度破坏或退化和亟需人为干预的区域，其核心目标是通过积极的修复措施，重建或提升生态功能、恢复生物多样性与生态系统服务[7]，如Liu等[8]基于生态系统服务和城市化效应，确定深圳都市圈生态恢复优先区. PAEP与PAER共同构成生态安全屏障，前者强调保全现有生态本底，后者则致力于修复受损生态功能，二者在生态空间优化中形成互补共生的策略体系. 然而，现有研究多集中于PAEP或者PAER的单一识别，缺乏对二者协同与耦合关系的系统性探讨. 因此，在三川河流域国土空间保护与修复规划中，统筹整合保护与修复的双重目标，对优化土地管理实践具有更重要的现实意义.
生态环境质量（ecological environmental quality，EEQ）作为区域可持续发展的重要表征，其评估需统筹自然生态本底与人类活动胁迫的交互效应[9]. 早期研究多依赖归一化植被指数、植被覆盖度等单一指标，难以系统捕捉生态系统的综合状态. 目前，学者多采用遥感生态指数（RSEI）对区域EEQ进行评估[10~12]. 该方法通过主成分分析耦合绿度、湿度、热度和干度这四大自然要素，实现了EEQ的快速空间可视化. 但因其过度依赖遥感反演参数[13]，未能有效量化人口分布和景观格局等社会经济因素对EEQ的胁迫效应，导致人为驱动机制在评估中被弱化. 为突破此局限，Wu等[14]构建的生态环境质量变化（EEQC）评价体系，创新地引入“区域敏感性”概念，并基于国土空间影响评估框架（territorial impact assessment，TIA）量化土地覆被变化的暴露度对EEQ指标（如景观破碎度、产水服务）的差异化扰动强度. 该体系一方面能够表征区域本底对暴露度的放大/缓冲效应，另一方面可解析不同评价指标对区域敏感性的响应程度，从而有效全面地分析土地利用变化影响下的EEQC.
景观生态风险指数（landscape ecological risk index，LER）表征人类活动对景观格局的干扰所引发的生态系统失稳概率，其核心机制在于解析景观结构破碎化（如斑块离散度加剧、景观连通性丧失）与生态过程阻断（如物种迁徙受阻、水土流失加剧）之间的因果关联[15，16]. 当前LER评价主要采用“源-汇”风险法和景观格局指数法，前者适用于具有明确区域生态安全风险源的区域，通过识别“源”（胁迫源）-“汇”（生态受体）的传输路径评估风险[17]；后者则借助数学指标表征景观结构的空间异质性（如斑块形状、连接度），进而在多个尺度上综合评估人类活动对生态系统的干扰程度及其潜在风险[18，19]，多适用于风险来源相对复杂的地区. 近年来，研究聚焦于区域LER评价与其驱动因子的解析[20]，以及景观格局-生态过程协同演变机制[21]的探讨. 有研究表明[22，23]，LER评价能有效揭示外部干扰下生态风险的空间分异特征，识别多重风险叠加导致的潜在不利影响区域. 该评价体系可为区域差异化生态保护策略的制定提供科学依据，支撑国土空间可持续治理.
三川河流域位于黄土高原典型丘陵沟壑区，复杂的地形地貌塑造了其高度异质化且普遍脆弱的生态环境[24]. 在此背景下，依赖单一维度评估或忽视空间风险差异的传统生态保护分区策略，往往效果有限甚至失效. LER虽能表征人类活动对景观结构的干扰强度，却难以量化生态系统服务的实际损益；EEQ能够综合反映生境功能与供给能力，但对潜在风险传导的预警能力不足. 尤其在快速城镇化的黄土高原流域，耕地扩张与水系干扰引发的景观破碎化正加剧生态过程的空间异质性. 因此，有必要通过LER与EEQ的时空耦合分析，深入解析“风险源-质量汇”的空间拮抗关系，从而科学识别流域生态保护与修复的“关键靶区”.
基于此，本研究据此提出“双维耦合、动态分区”框架：首先，基于Fragstats平台量化景观格局指数（斑块类型面积、斑块数量、聚集度、邻近度和分离度等）生成LER风险面；其次，通过熵权法整合土壤保持和产水服务等7项关键生态系统功能指标，构建TIA-EEQC评估框架；进而，利用四象限模型将栅格单元映射至“高/低LER-高/低EEQ”决策空间中，精准识别生态高危待修复区与低风险高质量保护区. 通过解译1990~2023年三川河流域分区动态演变，揭示景观胁迫与生态功能的协同演变规律，以期为流域国土空间生态修复提供可推广的分区范式.
1 材料与方法 1.1 研究区概况三川河流域（37°15′~37°45′N，110°30′~111°35′E）地处黄土高原腹地（图 1），横跨山西省吕梁市西部生态敏感带，流域面积4 161 km2. 该区域海拔梯度差异显著（607~2 755 m），平均坡度达19.37%. 流域属季风性半干旱气候，年均降水量493 mm，且时空分布不均，其中汛期（6~9月）占全年降水总量的72.2%，多以高强度降雨事件为主. 水文特征表现为年均径流量2.03亿m3，年均输沙量2.79万t[25]，水土流失问题突出，该流域曾被列为全国八大水土流失重点治理区之一.
|
图 1 三川河流域示意 Fig. 1 Location of the Sanchuan River Basin |
自1999年推行“退耕还林还草”政策以来，流域土地利用结构发生显著变化：耕地占比从1990年的25.15%降至2023年的16.68%，同期植被覆盖指数由0.77升至0.93. 然而，快速城镇化导致不透水地面比例从0.68%增至2.87%，形成了“生态修复-城镇扩张”双重驱动下的典型人地系统演变格局. 这一特殊的生态环境背景使三川河流域成为研究黄土高原生态脆弱区人地关系的理想案例.
1.2 数据来源本文主要数据包括遥感数据、气象数据、DEM数据和土壤数据，其数据来源如表 1所示.
|
表 1 数据来源1） Table 1 Data source |
1.3 景观生态风险指数模型的构建
LER模型是一种在区域尺度上定量评估人类活动对生态系统结构和功能造成潜在不利影响的空间显示方法. 该模型整合了景观格局分析和生态风险评价理论，其核心思想为：景观格局变化（如破碎化、丧失和退化）是生态风险产生的重要驱动因素和表现形式. 景观指数法作为地理学中常用的定量研究方法，通过多个指数的组合分析来刻画景观格局及其动态变化. 本文通过选用景观干扰度和脆弱度建立土地利用类型与区域生态风险间的联系，主要涉及6个景观指数（表 2）：景观破碎度指数（Ci）、景观分离度指数（Si）、景观优势度指数（Di）、景观干扰度指数（Ui）、景观脆弱度指数（Fi）和景观损失度指数（Ri），并利用Fragstats4.2软件计算上述指数，进而构建景观生态风险指数模型[26].
|
|
表 2 景观生态风险模型构建 Table 2 Construction of landscape ecological risk model |
本文参考前人景观脆弱度评价体系[28]，结合三川河流域水土流失严重、地表径流冲刷剧烈等典型特征，对脆弱度赋值进行了针对性考量（表 3）：耕地（尤其是坡耕地）易受侵蚀且依赖管理（赋值4）；草地和林地虽具备一定水土保持功能，但本区域人工林草为主、生态系统结构相对简单，抗逆性可能低于原生植被（分别赋值3和2）；水域因易受泥沙淤积、岸线侵蚀及洪水破坏，生态系统恢复缓慢，脆弱性显著（赋值5）；未利用地（裸地）因缺乏植被覆盖，在强侵蚀环境下面临最高风险（赋值6）；建设用地自身结构较稳定，但其脆弱性主要源于快速城镇化过程中持续高强度的人为干扰（赋值1）.
|
|
表 3 景观脆弱度赋值 Table 3 Evaluation of the vulner ability of the landscape |
1.4 基于TIA框架的生态环境质量评估 1.4.1 评价指标与数据处理
基于三川河流域的生态环境特征、数据可得性及中国环境监测中心的指标选取原则（综合性、代表性、科学性、可比性和可操作性），选取了7个遥感指标用于流域EEQ评价（表 4）. 为消除量纲差异，对所有指标进行了标准化处理，并将其划分为正向、负向两类：NDVI、SC、WY、HQ和CS属于正向指标，LF和POP则为负向指标.
|
|
表 4 三川河流域EEQ评价指标1） Table 4 Evaluation indicators for ecological environment quality (EEQ) in the Sanchuan River Basin |
1.4.2 基于TIA框架的评价指标标准化
在传统EEQ评估方法基础上，引入TIA-EEQ（territorial impact assessment- ecological environmental quality）框架[29]，将生态敏感性指标纳入评价体系. 该框架采用熵权法确定各EEQ指标的区域敏感性权重，并将其与指标变化值（暴露量）相乘，最终生成综合EEQC值.
具体来说，潜在暴露描述了土地利用变化对EEQ指标可能产生的潜在影响强度. 计算公式如下：
式中，
区域敏感性用于表征土地利用变化对EEQ指标影响的调节程度. 基于TIA应用经验[30]，设定±25%的修正范围，将区域灵敏度值线性归一化至0.75~1.25区间. 归一化系数大于1时表示增强影响，小于1时则表示减弱影响，归一化公式如下：
式中，
通过将EEQ指标的潜在暴露量与区域敏感性相乘，可获得实际暴露量（
| $ |
在各EEQ指标实际暴露标准化的基础上，为减少主观偏差，采用熵值法确定7个指标的客观权重.
| $ \begin{gathered} M_i=\left(-\frac{1}{\ln n}\right) \sum\limits_{j=1}^n \widehat{\mathrm{AE}_{i, j}} \ln \widehat{\mathrm{AE}_{i, j}} \\ P_{i, j}=\frac{\widehat{\mathrm{AE}_{i, j}}}{\sum\limits_{i=1}^n \widehat{\mathrm{AE}_{i, j}}} \\ \theta_i=\frac{1-M_i}{\sum\limits_{i=1}^n\left(1-M_i\right)} \end{gathered} $ |
其中：如果
式中，
土地利用变化对EEQ的累积效应
为划定完整的生态恢复与保护分区，分别提取三川河流域57个乡镇1990年、2000年、2010年和2023年这4期的LER和EEQ的均值、标准差共228组面板数据进行累计频率曲线划分，根据PAEP与PAER划分的科学性与可持续性的原则，设定LER累计频率>75%为高风险，EEQ累计频率>75%为高质量，再通过K-means曲线[31]验证阈值合理性，具体验证结果如图 2所示.
|
图 2 三川河流域EEQ、LER累计频率曲线与聚类分区验证 Fig. 2 Validation of cluster partitioning via cumulative frequency curves of EEQ and LER the Sanchuan River Basin |
结果显示，以75%累计频率为分割依据，累计频率曲线分别在LER=65.74和EEQ=60.95处斜率出现斜率突变，表明该阈值可作为识别高值区（高EEQ和高LER）的自然断点. 进一步借助K-means聚类算法（K=2）明确划分出两个聚类（聚类1和聚类2）. 其中，聚类1中的样本主要分布于LER>65.74且EEQ>60.95的区间；聚类2中的样本则集中于LER≤65.74且EEQ≤60.95的区间. 聚类结果的空间分布与累计频率曲线确定的阈值（LER=65.74，EEQ=60.95）高度吻合，充分验证了LER临界值65.74、EEQ临界值60.95在区分低/高风险、低/高质量群体时的有效性与科学性. 此外，二维散点图精准识别出228个样本在特征空间的核心分布区域，为上述阈值划分和聚类结果的科学性提供了坚实的数据支撑.
基于以上阈值划分结果，采用四象限模型[32，33]对LER与EEQ的空间耦合关系进行深入分析（图 3）. 该模型以这两个关键阈值为坐标轴划分依据，将研究区域划分为4个特征象限. 鉴于三川河流域生态修复实践中面临的双重约束，即资金有限性要求高效配置、空间有限性要求精准施策. 本文重点聚焦于两类对区域生态安全格局具有核心影响的关键区域：①低景观风险-高生态环境质量区（LER≤65.74且EEQ>60.95定义为低风险高质量保护区）；②高景观风险-低生态环境质量区（LER>65.74且EEQ≤60.95；定义为生态高危待修复区）.
|
图 3 三川河流域“四象限模型”生态分区 Fig. 3 Ecological zoning of the Sanchuan River Watershed using the "four-quadrant method" |
1990年、2000年、2010年和2023年三川河流域不同类型斑块面积（CA）与斑块数量（NP）占比特征（图 4）显示：林地、草地和耕地占比较大，水域、未利用地及建设用地占比较小. 然而，破碎度（Ci）、分离度（Si）和干扰度（Ui）均表现为：未利用地>水域>建设用地>耕地>草地>林地.
|
图中未能清晰显示的部分源于其数值量级极小，并非零值 图 4 1990~2023年三川河流域各景观类型风险对比 Fig. 4 Landscape risk types in the Sanchuan River Basin from 1990 to 2023 |
采用自然间断点分级法（Jenks），依据数据自身聚类特征最大化类间差异和最小化类内差异，客观确定初始间断点. 为进一步实现多时期对比（1990年、2000年、2010年和2023年），结合整体数据分布特征对间断点进行优化，最终将LER划分为5个等级：低风险（LER≤20）、较低风险（20 < LER≤40）、中风险（40 < LER≤60）、较高风险（60 < LER≤80）和高风险（LER>80）. 既保持数据内在结构，也增强时序可比性. 4期对比发现（图 5）：LER整体上呈现先减弱后反弹的态势，在2010年景观格局风险达最低水平（高值区25.95%、低值区74.05%）. 景观风险高值区占比由1990年的52.23%下降至2010年的25.95%后，2023年回弹至28.91%；低值区占比由1990年时47.77%上升至2010年的74.05%后，2023年略微下降至71.09%. 根据空间异质性分析，三川河流域呈现显著的“西高东低”空间分异特征：生态高风险区持续集聚于流域西部，其分布与水系和耕地高度吻合. 时序变化上，高景观风险区面积呈“下降-回升”态势（1.77%→0.46%→0.6%），较高风险区持续减少（10.81%→3.72%），中风险区经历“持续缩减-小幅反弹”过程（39.67%→21.38%→24.59%），而低与较低景观风险总体扩张后近期略有收缩（47.76%→74.06%→71.09%）.
|
图 5 1990~2023年三川河流域景观风险（LER）空间异质性 Fig. 5 Spatial heterogeneity of landscape risk in the Sanchuan River Basin from 1990 to 2023 |
进一步结合空间差异分析各区县LER占比发现（图 6），方山县、离石区、柳林县和中阳县分别占流域总面积的31.45%、29.43%、13.00%和26.13%. 从风险类型占比来看，仅方山县逆势发展为全域唯一高风险走廊强化区，该县域在2023年仍存在0.41%的高风险区域；离石区、柳林县和中阳县则呈现低风险区扩大、高风险区减少的良性演变态势. 同期，建设用地扩张速率达年均2.9%，耕地破碎度指数下降3.8%，水系的各景观风险均显著高于其他地类. 总的来说，流域耕地与水系密集区的景观破碎化胁迫效应凸显，亟需针对方山县高危廊道实施景观连通性修复工程，以阻滞风险西东传导.
|
括号里为各县域面积在三川河流域中的占比 图 6 1990~2023年三川河流域（县域级）景观风险等级面积构成 Fig. 6 Area composition of landscape risk levels at the county-level in the Sanchuan River Basin from 1990 to 2023 |
本文基于RULSE方程、InVEST模型与Fragstats 4.2软件，集成多源数据集，系统评估了三川河流域1990~2023年7项生态指标的时空演变特征（图 7）. 结果表明：从时间动态来看，SC、WY及LF在研究期内均呈现先下降后上升的态势，其最低值均出现在2005年. 此现象源于退耕还林工程初期（1999~2005年）幼林生态功能尚未形成[34]，地表植被覆盖下降削弱SC与WY能力[35]，耕地锐减导致农业景观破碎化[36]；叠加2005年极端降雨事件的气候胁迫[37]，共同触发了生态系统功能的阶段性塌陷. 2005年后，随着成林生态效益释放与节水农业推广，三者功能逐步回升. HQ与CS保持相对稳定的波动状态，反映出建设用地扩张造成的局部生态损失与退耕还林工程带来的碳汇增益及生境连通性提升形成动态制衡；POP和NDVI持续增长，表征人口集聚与植被恢复的长期正向演进态势. 从空间分布与演变格局来看，SC呈现“西部低值-东部高值”二元格局；1990~2023年其变化表现为“西部减损、东部增强”的特征. WY和LF的空间分异则与SC相反，呈“西高东低”特征，同期变化表现为“西增东减”；HQ与CS全域波动较弱，主要的衰减区集中分布在水系及耕地边缘带；POP与NDVI全域普遍提升，但少数衰减/稳定区同样毗邻水系与耕地. 总体来说，1990~2023年各项评价指标的时空异质性本质受区域地形地势、生态工程实施及气候波动等多因素的综合驱动.
|
图 7 1990~2023年三川河流域生态环境质量评价指标变化态势 Fig. 7 Temporal trends of ecological environment quality indicators in the Sanchuan River Basin from 1990 to 2023 |
基于熵权法对7项指标赋权综合计算的EEQ在研究期间呈现先改善后恶化的态势（图 8）. EEQ等级采用自然间断点分级法（Jenks）进行初步划分，为提升多时期、多区域可比性，进一步依据《生态环境状况评价技术规范》（HJ1172—2021）将其优化调整为4个等级：低（EEQ < 50）、较低（50≤EEQ < 57.5）、较高（57.5≤EEQ < 65）和高（EEQ≥65）. 其空间演变特征如下：1990~2023年间，流域始终保持"东部高值集聚、中西部较高值过渡、水系与耕地周边低值环绕"的稳定分异格局. 时序变化上，流域EEQ整体呈先改善后恶化态势，这一演变与生态工程实施强度及人类活动干扰程度密切相关. 1990~2010年，得益于退耕还林和水土保持工程的持续推进，林地、草地面积增加提升了水土保持与碳汇功能，较低EEQ占比由4.87%持续缩减至3.13%，高与较高EEQ总占比从94.85%上升至96.52%. 然而，2010~2023年，随着流域城镇化加速扩张（建设用地年均增速达2.9%）和生态用地（草地、水域）萎缩，加之耕地破碎化与人为干扰加剧，生态系统稳定性受到冲击，较低与低EEQ二者分别逆势上升至6.67%和0.66%，高与较高EEQ占比下降3.85%. 区域对比显示，方山县因未利用地占比居高不下（始终维持在8% 以上）且耕地破碎化尤为突出，成为EEQ持续显著下降的典型退化区域. 研究表明，尽管流域生态保护取得阶段性成效，但局部退化问题近年有所加剧，建议未来重点针对低值核心区推进生态廊道修复和土地集约化调控.
|
图 8 1990~2023年三川河流域生态环境质量（EEQ）空间异质性 |
基于EEQ空间分异分析（图 9），1990~2023年间，三川河流域生态高危待修复区持续集聚于流域西部水系与耕地周边，低风险高质量保护区则稳定分布于东部，二者形成显著东西对立格局. 从面积变化来看，生态高危待修复区占比呈现先降后升的趋势，由1990年的34.56%先缩减至2010年的15%后扩张至2023年26.22%；而低风险高质量保护区占比在持续稳步扩张后，于2023年略有回落，其变化过程为：41.32%→57.43%→45.91%.
|
图 9 1990~2023年三川河流域生态分区 Fig. 9 Ecological zoning of the Sanchuan River Basin from 1990 to 2023 |
从行政区划来看（图 10），柳林县与离石区西南部为生态高危待修复区的核心分布区，方山县、离石区东部及中阳县东南部构成低风险高质量保护区的主体. 值得注意的是，柳林县内两类生态功能区占比呈持续下降趋势，生态高危待修复区从50%降至29%，低风险高质量保护区从29%降至17%. 与之相反，方山县的生态高危待修复区与低风险高质量保护区的空间对立随时间推移不断加剧，其中生态高危待修复区占比由1990年的5%持续上升至2023年的20%，凸显该区域生态矛盾日益尖锐. 这一演变特征表明，流域西部耕地与水系密集区的生态胁迫效应持续强化，亟需优先实施空间靶向修复策略.
|
图 10 1990~2023年三川河流域（县域级）不同生态分区面积贡献率 Fig. 10 Area contribution rate of different ecological zones at the county-level in the Sanchuan River Basin from 1990 to 2023 |
本文通过耦合LER与EEQ评估，构建了“风险-质量”四象限分析框架，并基于多要素生态分区提出了三川河流域生态保护与修复的优化策略. 目前大部分研究逐渐强调多要素综合解析人地关系的互动机制，聚焦于景观风险与生态系统服务[38，39]、生态系统服务供需匹配[40]、生态环境质量与人类活动的响应等方面，并在辨析二者关系的基础上尝试划定不同的生态分区或构建生态安全格局[41]. 这些研究在一定程度上弥补了传统国土空间规划单一维度评估的不足，但仍存在一些局限：一方面将复杂的人地系统互动简化为简单的二元关系，另一方面缺乏对多维反馈机制的系统考量.
在本研究中，LER和EEQ评估通过多视角、多方法解析景观格局变化过程，重点量化了耕地扩张和水系干扰等人类活动通过景观破碎化对生态功能产生的非线性影响. 基于TIA框架的EEQ评估整合了自然本底（SC、WY）、生态调节（CS、HQ、NDVI）与社会经济胁迫（POP、LF）等多维要素，有效克服了传统RSEI指数忽略人为驱动因素的缺陷[12]，为城镇化流域的生态质量评估提供了新范式. 本文将LER与EEQ的空间拮抗关系可视化，识别出的高危修复区（如柳林县北部）虽然与Liu等[8]在深圳都市圈的研究存在区域差异，但共同验证了“人类活动-景观破碎化-生态功能衰减”这一普适性作用路径的科学性. 此外，与湖泊流域常见的“环湖梯度”特征不同[41]，三川河流域呈现出显著的“东西对立”空间分异格局，表明黄土高原地形阻隔加剧了景观风险与生态环境质量的空间异质性.
3.2 生态分区对流域管理的实践启示基于研究结果，制定东西差异化的生态修复策略. 针对西部生态高危区（耕地/水系密集区），应优先推进景观连通性修复工程[42~44]，重点实施生态廊道建设与农田防护林网构建等措施. 该策略与黄土高原“山水林田湖草”综合治理工程[45]的理念相契合，且通过空间靶向精准识别缩小修复范围，显著降低了实施成本. 需要强调的是，高危区的反弹扩张现象与现行耕地政策、城镇化扩张密切相关[46~48]. 建议在黄河流域生态保护规划中将其列为“生态修复优先单元”，并通过建立耕地轮作补贴等生态补偿机制缓解人地矛盾. 对于东部低风险高质量保护区（如中阳县南部）应严格限制开发活动，其“高质量但景观风险反弹”的特征表明，需警惕潜在退化风险. 因此，有必要建立动态监测预警体系，推广基于自然的解决方案（Nbs），使自然生态系统成为可持续发展的有机组成部分. 针对方山县区域性“风险-质量”矛盾持续加剧的问题，建议借鉴IPBES（2018）提出的“生态安全网络”理念[49]，构建“平台监测-协同治理-生态补偿”多要素的跨县域生态联防联控体系. 该综合策略可有效解决地形复杂导致的生态治理碎片化问题，提升区域生态系统的整体韧性与协调性.
3.3 不足与展望本文创新性地耦合了LER与EEQ评估模型，识别出了三川河流域的优先恢复区与优先保护区. 但研究仍存在局限：其一，现有LER评估仅聚焦于土地利用变化导致的生态结构风险，未能充分考虑生态用地向非生态用地转换过程中的生态功能退化风险[50]. 尽管三川河流域的物种丰富度特征相对不明显，但生态系统本底条件对可持续发展具有重要影响. 后续研究可引入PLUS模型的LEAS模块[40]，通过预测生态用地扩张概率来完善生态风险评估体系；其二，在LER-EEQ耦合分析中，尚未充分考虑气候变化对二者的直接驱动作用，且四象限模型未纳入生态系统弹性阈值效应[51]. 未来可结合气候情景模拟与弹性评估完善框架，深入解析三川河流域生态系统的脆弱性特征，为区域生态修复提供更科学的决策依据.
4 结论（1）景观生态风险（LER）的时空分异特征显著. 1990~2023年间，LER整体呈现先减弱后反弹的态势，其高值风险区面积整体缩减8.25%，低值风险区面积持续扩张23.32%. 从景观类型上看，破碎度（Ci）、分离度（Si）和干扰度（Ui）表现为：未利用地>水域>建设用地>耕地>草地>林地；空间格局上呈现明显的“西高东低”分布特征，生态高风险区在柳林县北部及离石区的水系与耕地周边持续集聚，而低风险区稳定分布于方山县及中阳县南部.
（2）生态环境质量（EEQ）呈现典型的时空异质性. 流域EEQ整体呈先改善后恶化态势，2023年出现显著恶化，其中低值核心区占比上升至0.66%. 空间分布表现为“东部高值核心-中西部过渡-水系耕地低值环绕”的格局特征. 尤其是方山县EEQ在研究期内持续退化，这一现象印证了生态风险的区域性特征.
（3）三川河流域生态分区呈鲜明的空间耦合对立特征. 1990~2023年间，生态高危待修复区持续集聚于流域西部水系与耕地周边（即柳林县与离石县西南部），而低风险高质量保护区则稳定分布于流域东部（即方山县南部、离石区东南部及中阳县东南部）；研究期间，方山县两类生态分区的空间对立随时间推移不断加剧，2010年后中阳县生态高危待修复区出现反弹扩张现象，建议在国土空间规划实践中针对性强化该区域的生态保护与修复力度，以遏制风险扩散态势.
| [1] | Chase J M, Blowes S A, Knight T M, et al. Ecosystem decay exacerbates biodiversity loss with habitat loss[J]. Nature, 2020, 584(7820): 238-243. DOI:10.1038/s41586-020-2531-2 |
| [2] | Keck F, Peller T, Alther R, et al. The global human impact on biodiversity[J]. Nature, 2025, 641(8062): 395-400. DOI:10.1038/s41586-025-08752-2 |
| [3] | Dong J Q, Jiang H, Gu T W, et al. Sustainable landscape pattern: a landscape approach to serving spatial planning[J]. Landscape Ecology, 2022, 37(1): 31-42. DOI:10.1007/s10980-021-01329-0 |
| [4] | Lin Y Y, Xu X B, Tan Y, et al. Multi-scalar assessment of ecosystem-services supply and demand for establishing ecological management zoning[J]. Applied Geography, 2024, 172. DOI:10.1016/j.apgeog.2024.103435 |
| [5] | Tang B T, Wang H, Liu J M, et al. Identification of ecological restoration priority areas integrating ecological security and feasibility of restoration[J]. Ecological Indicators, 2024, 158. DOI:10.1016/j.ecolind.2024.111557 |
| [6] | Xu Y J, Yang X C, Xing X Y, et al. Coupling eco-environmental quality and ecosystem services to delineate priority ecological reserves—a case study in the Yellow River Basin[J]. Journal of Environmental Management, 2024, 365. DOI:10.1016/j.jenvman.2024.121645 |
| [7] | Rong Y J, Luo Y, Zheng L F, et al. Novel framework for identifying priority areas in ecological restoration: Integrating ecosystem service flows[J]. Ecological Frontiers, 2025, 45(5): 1258-1269. DOI:10.1016/j.ecofro.2025.03.015 |
| [8] | Liu Z H, Huang Q D, Zhou Y, et al. Spatial identification of restored priority areas based on ecosystem service bundles and urbanization effects in a megalopolis area[J]. Journal of Environmental Management, 2022, 308. DOI:10.1016/j.jenvman.2022.114627 |
| [9] | Xu D, Cheng J, Xu S, et al. Understanding the relationship between China's eco-environmental quality and urbanization using multisource remote sensing data[J]. Remote Sensing, 2022, 14(1). DOI:10.3390/rs14010198 |
| [10] | Sarkar S, Manna H, Roy S K, et al. Synergizing remote sensing and ecological indicators (RSEIs) for evaluating ecological environmental quality (EEQ) in Asansol Municipal Corporation: an integrated approach[J]. Environmental Monitoring and Assessment, 2024, 196(7). DOI:10.1007/s10661-024-12793-x |
| [11] | Dong X Y, Xu K J, Li W, et al. Spatiotemporal evolution and influencing mechanism of urbanization and ecological environmental quality between 2000 and 2020 in Henan Province, China[J]. Remote Sensing Applications: Society and Environment, 2025, 37. DOI:10.1016/j.rsase.2025.101492 |
| [12] |
徐涵秋. 区域生态环境变化的遥感评价指数[J]. 环境科学, 2013, 33(5): 889-897. Xu H Q. A remote sensing index for assessment of regional ecological changes[J]. China Environmental Science, 2013, 33(5): 889-897. |
| [13] | Zhu D Y, Chen T, Zhen N, et al. Monitoring the effects of open-pit mining on the eco-environment using a moving window-based remote sensing ecological index[J]. Environmental Science and Pollution Research, 2020, 27(13): 15716-15728. DOI:10.1007/s11356-020-08054-2 |
| [14] | Wu H W, Wu F, Cai Y M, et al. Assessing the spatiotemporal impacts of land use change on ecological environmental quality using a regionalized territorial impact assessment framework[J]. Sustainable Cities and Society, 2024, 112. DOI:10.1016/j.scs.2024.105623 |
| [15] | Ye H, Bai D, Wang J L, et al. Landscape ecological risk assessment study of the Yunnan section of the Tropic of Cancer[J]. Ecological Indicators, 2024, 158. DOI:10.1016/j.ecolind.2023.111517 |
| [16] | Cao Q W, Zhang X W, Lei D M, et al. Multi-scenario simulation of landscape ecological risk probability to facilitate different decision-making preferences[J]. Journal of Cleaner Production, 2019, 227: 325-335. DOI:10.1016/j.jclepro.2019.03.125 |
| [17] | 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 |
| [18] |
陈心怡, 谢跟踪, 张金萍. 海口市海岸带近30年土地利用变化的景观生态风险评价[J]. 生态学报, 2021, 41(3): 975-986. Chen X Y, Xie G Z, Zhang J P. Landscape ecological risk assessment of land use changes in the coastal area of Haikou City in the past 30 years[J]. Acta Ecologica Sinica, 2021, 41(3): 975-986. |
| [19] |
康紫薇, 张正勇, 位宏, 等. 基于土地利用变化的玛纳斯河流域景观生态风险评价[J]. 生态学报, 2020, 40(18): 6472-6485. Kang Z W, Zhang Z Y, Wei H, et al. Landscape ecological risk assessment in Manas River Basin based on land use change[J]. Acta Ecologica Sinica, 2020, 40(18): 6472-6485. |
| [20] | Lin X, Wang Z T. Landscape ecological risk assessment and its driving factors of multi-mountainous city[J]. Ecological Indicators, 2023, 146. DOI:10.1016/j.ecolind.2022.10982 |
| [21] | Li J L, Hu D W, Wang Y Z, et al. Study of identification and simulation of ecological zoning through integration of landscape ecological risk and ecosystem service value[J]. Sustainable Cities and Society, 2024, 107. DOI:10.1016/j.scs.2024.105442 |
| [22] | Karimian H, Zou W M, Chen Y L, et al. Landscape ecological risk assessment and driving factor analysis in Dongjiang river watershed[J]. Chemosphere, 2022, 307. DOI:10.1016/j.chemosphere.2022.135835 |
| [23] | An L, Shen L, Zhong S, et al. Transboundary ecological network identification for addressing conservation priorities and landscape ecological risks: insights from the Altai Mountains[J]. Ecological Indicators, 2023, 156. DOI:10.1016/j.ecolind.2023.111159 |
| [24] |
王聪, 张守红, 杜自强, 等. 黄土高原小流域生态系统综合治理与生态系统服务的协同提升[J]. 生态学报, 2025, 45(8): 4072-4077. Wang C, Zhang S H, Du Z Q, et al. The comprehensive ecosystem governance and coordinated enhancement of ecosystem services in the small watersheds of the Loess Plateau[J]. Acta Ecologica Sinica, 2025, 45(8): 4072-4077. |
| [25] |
张敏, 薛丽萍, 刘林. 三川河流域土地利用及景观格局对径流泥沙的影响[J]. 山西水土保持科技, 2023(3): 46-50. Zhang M, Xue L P, Liu L. Effects of land use and landscape pattern on runoff and sediment in Sanchuan River Basin[J]. Soil and Water Conservation Science and Technology in Shanxi, 2023(3): 46-50. |
| [26] |
刘敏, 蔡海生, 张学玲, 等. 基于Geodetector-GTWR的江西省景观生态风险及驱动因素[J]. 环境科学, 2025, 46(10): 6455-6464. Liu M, Cai H S, Zhang X L, et al. Landscape Ecological Risk and Its Driving Factors in Jiangxi Province Based on Geodetector-GTWR[J]. Environmental Science, 2025, 46(10): 6455-6464. DOI:10.13227/j.hjkx.202409113 |
| [27] |
魏鹏, 余敦, 胡海洋, 等. 立体空间视角下景观生态风险时空演化及影响因素分析[J]. 农业工程学报, 2024, 40(19): 250-261. Wei P, Yu D, Hu H Y, et al. Spatial-temporal evolution and influencing factors of landscape ecological risk from the perspective of three-dimensional space[J]. Transactions of the Chinese Society of Agricultural Engineering, 2024, 40(19): 250-261. |
| [28] |
杨晓芳, 于少康, 罗志军, 等. 多尺度视角下环鄱阳湖区景观生态风险与生态系统服务的相互关系及分区管控[J]. 环境科学, 2025, 46(12): 7918-7934. Yang X F, Yu S K, Luo Z J, et al. Interaction and zoning management of landscape ecological risk and ecosystem services around Poyang Lake from multi-scale perspective[J]. Environmental Science, 2025, 46(12): 7918-7934. DOI:10.13227/j.hjkx.202412081 |
| [29] | Camagni R. Territorial Impact Assessment (TIA): a methodological proposal[A]. In: Capello R (Ed.). Seminal Studies in Regional and Urban Economics: Contributions from an Impressive Mind[M]. Cham: Springer, 2017. 399-410. |
| [30] | Essig S, Kaucic J. ESPON TIA: balancing between policy orientation, practicability and scientific ambition[A]. In: Medeiros E (Ed.). Uncovering the Territorial Dimension of European Union Cohesion Policy: Cohesion, Development, Impact Assessment and Cooperation[M]. London: Routledge, 2017. 184-201. |
| [31] | 王梦仙, 李银锁, 钟石根, 等. 基于K-means聚类的计算机网络信息安全风险评估方法[J]. 信息记录材料, 2025, 26(6): 36-38. |
| [32] | Huang X B, Liu X S, Jin Y H, et al. Identification and attribution analysis of integrated ecological zones based on the XGBoost-SHAP model: a case study of Chengdu, China[J]. Ecological Indicators, 2025, 177. DOI:10.1016/j.ecolind.2025.113787 |
| [33] |
武燕, 吴映梅, 李琛, 等. 基于风险-质量的高原湖泊流域生态分区构建——以滇池流域为例[J]. 生态学报, 2024, 44(3): 1052-1066. Wu Y, Wu Y M, Li C, et al. Construction of ecological zoning of plateau lake basin based on spatial conflict and eco-environmental quality: a case of Dianchi Lake Basin[J]. Acta Ecologica Sinica, 2024, 44(3): 1052-1066. |
| [34] | Yin C C, Zhao W W, Pereira P. Ecosystem restoration along the "pattern-process-service-sustainability" path for achieving land degradation neutrality[J]. Landscape and Urban Planning, 2025, 253. DOI:10.1016/j.landurbplan.2024.105227 |
| [35] | Xu T, Tian G J, Lin T, et al. Multiscale analysis of ecosystem service interactions and driving factors in the Loess Plateau: implications for ecological management[J]. Journal of Cleaner Production, 2025, 495. DOI:10.1016/j.jclepro.2025.145074 |
| [36] | Ye S J, Ren S Y, Song C Q, et al. Spatial pattern of cultivated land fragmentation in mainland China: characteristics, dominant factors, and countermeasures[J]. Land Use Policy, 2024, 139. DOI:10.1016/j.landusepol.2024.107070 |
| [37] | Yang Q Y, Qian H, Gao Y Y, et al. Spatio-temporal evolution and driving mechanism of ecosystem services in typical hilly and gully areas of the Loess Plateau: a case study in Yan'an Region, Shaanxi Province[J]. Ecological Indicators, 2025, 177. DOI:10.1016/j.ecolind.2025.113773 |
| [38] |
张紫怡, 仝照民, 张立亭, 等. 景观格局对生态系统服务的非线性影响和阈值调控——以福建省生态高效协同区为例[J]. 生态学报, 2024, 44(21): 9535-9551. Zhang Z Y, Tong Z M, Zhang L T, et al. Nonlinear effects of landscape pattern on ecosystem services and threshold regulation: a case study of eco-efficient synergistic zone in Fujian Province[J]. Acta Ecologica Sinica, 2024, 44(21): 9535-9551. |
| [39] |
孟祥源, 王子昊, 王冰, 等. 呼包鄂生态系统服务价值与景观生态风险时空动态变化及关联性[J]. 环境科学, 2025, 46(9): 5941-5950. Meng X Y, Wang Z H, Wang B, et al. Spatiotemporal dynamics and correlations between ecosystem service values and landscape ecological risks in Hohhot-Baotou-Ordos[J]. Environmental Science, 2025, 46(9): 5941-5950. DOI:10.13227/j.hjkx.202409091 |
| [40] |
梁坤宇, 金晓斌, 张晓琳, 等. 耦合生态系统服务供需的生态安全格局构建——以苏南地区为例[J]. 生态学报, 2024, 44(9): 3880-3896. Liang K Y, Jin X B, Zhang X L, et al. Construction of ecological security patterns coupling supply and demand of ecosystem services: a case study of southern Jiangsu Province[J]. Acta Ecologica Sinica, 2024, 44(9): 3880-3896. |
| [41] | Yang J, Wang S Y, Zhou J, et al. Optimisation of ecological security patterns in ecologically transition areas under the perspective of ecological resilience-a case of Taohe River[J]. Ecological Indicators, 2024, 166. DOI:10.1016/j.ecolind.2024.112315 |
| [42] | Ortega U, Ametzaga-Arregi I, Sertutxa U, et al. Identifying a green infrastructure to prioritise areas for restoration to enhance the landscape connectivity and the provision of ecosystem services[J]. Landscape Ecology, 2023, 38(12): 3751-3765. DOI:10.1007/s10980-023-01789-6 |
| [43] | Liu M L, Peng J, Dong J Q, et al. Trade-offs of landscape connectivity between regional and interregional ecological security patterns in a junction area of Beijing-Tianjin-Hebei region[J]. Applied Geography, 2024, 167. DOI:10.1016/j.apgeog.2024.103272 |
| [44] | Field R D, Parrott L. Multi-ecosystem services networks: a new perspective for assessing landscape connectivity and resilience[J]. Ecological Complexity, 2017, 32: 31-41. DOI:10.1016/j.ecocom.2017.08.004 |
| [45] |
李月辉, 胡远满, 王正文. 山水林田湖草沙一体化保护和修复工程与景观生态学[J]. 应用生态学报, 2023, 34(1): 249-256. Li Y H, Hu Y M, Wang Z W. Mountain-water-forest-farmland-lake-grassland-sandland holistic protection and restoration engineering and landscape ecology[J]. Chinese Journal of Applied Ecology, 2023, 34(1): 249-256. |
| [46] |
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. |
| [47] | Du L D, Dong C, Kang X C, et al. Spatiotemporal evolution of land cover changes and landscape ecological risk assessment in the Yellow River Basin, 2015–2020[J]. Journal of Environmental Management, 2023, 332. DOI:10.1016/j.jenvman.2022.117149 |
| [48] | Li W J, Kang J W, Wang Y. Integrating ecosystem services supply-demand balance into landscape ecological risk and its driving forces assessment in Southwest China[J]. Journal of Cleaner Production, 2024, 475. DOI:10.1016/j.jclepro.2024.143671 |
| [49] | 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 |
| [50] | Wang P C, Lu R C, Fan T S, et al. Integrated optimization of border ecosystem services and risks: a multiscale exploration considering the past and future[J]. Environmental Impact Assessment Review, 2025, 115. DOI:10.1016/j.eiar.2025.107986 |
| [51] | Song Z M, Bao Y B, Zhang J Q, et al. Threshold-determined ecological risk early warning models are effective tools for conservation strategies guiding[J]. Journal of Cleaner Production, 2024, 462. DOI:10.1016/j.jclepro.2024.142630 |