基于MSPA-InVEST模型的重庆市生态安全格局时空演变与生态韧性评估

引用本文

王玮妍, 苏维词, 董文卓, 勾容, 刘东岳. 基于MSPA-InVEST模型的重庆市生态安全格局时空演变与生态韧性评估[J]. 环境科学, 2026, 47(10): 7054-7069.

WANG Wei-yan, SU Wei-ci, DONG Wen-zhuo, GOU Rong, LIU Dong-yue. Spatial-temporal Evolution of Ecological Security Patterns and Assessment of Ecological Resilience in Chongqing Based on the MSPA-InVEST Model[J]. Environmental Science, 2026, 47(10): 7054-7069.

基于MSPA-InVEST模型的重庆市生态安全格局时空演变与生态韧性评估

王玮妍¹, 苏维词^1,2, 董文卓¹, 勾容¹, 刘东岳¹

1. 重庆师范大学地理与旅游学院，重庆 401331;
2. 贵州省山地资源研究所，贵阳 550001

收稿日期: 2025-08-25; 修订日期: 2025-10-30

基金项目: 国家自然科学基金项目（42161052）；重庆市自然科学基金项目（cstc2021jcyj-msxmX0791）；教育部人文社科规划项目（20YJAZH093）

作者简介: 王玮妍（2002~），女，硕士研究生，主要研究方向为生态安全格局构建与生态修复，E-mail：13709155012@163.com

通信作者: 苏维词, E-mail: suweici@sina.com

摘要: 构建生态安全格局并评估生态韧性，对于提升区域生态安全水平与优化山地城市国土空间格局有重要意义. 以重庆市为例，基于InVEST模型评估产水、固碳、土壤保持和生境质量这4项生态系统服务，结合MSPA方法识别生态源地；综合考虑自然与人为因素构建阻力面，利用Linkage Mapper工具提取生态廊道并识别生态夹点，构建区域生态安全格局，并结合Fragstats和Conefor Sensinode软件评估其生态韧性. 结果表明，2000~2022年生态源地斑块数量持续增长，空间分布呈现东部集中、西部分散的格局；生态廊道总长度净增加2 717.37 km，区域整体连通性逐渐增强；生态夹点总面积时序变化呈现出“V”型趋势，空间上在渝东北秦巴山区和渝东南武陵山区形成两大高密度核心区. 2000~2022年重庆市生态源地韧性指数介于0.087 5~0.897 4之间，空间上表现为“东北高、西南低”的分布格局；生态廊道韧性指数介于0.206 7~0.769 4之间，低韧性廊道集中于渝东南武陵山区和渝东北三峡库区，高韧性廊道分布在渝东北大巴山、平行岭谷区及主城外围；生态夹点韧性指数介于0.216 9~0.783 1之间，整体呈现“低韧性主导，局部高韧性聚集”的空间格局. 研究结果为重庆市生态空间优化、生态系统稳定性和服务功能提升提供了科学依据，同时也为其他山地城市生态安全格局构建及区域生态韧性评估提供参考借鉴.

关键词: 生态系统服务生态安全格局 InVEST模型形态学空间格局分析（MSPA）生态韧性重庆市

Spatial-temporal Evolution of Ecological Security Patterns and Assessment of Ecological Resilience in Chongqing Based on the MSPA-InVEST Model

WANG Wei-yan¹ , SU Wei-ci^1,2 , DONG Wen-zhuo¹ , GOU Rong¹ , LIU Dong-yue¹

1. College of Geography and Tourism, Chongqing Normal University, Chongqing 401331, China;
2. Guizhou Institute of Mountain Resources, Guiyang 550001, China

Abstract: Establishing an ecological security framework and assessing ecological resilience are of great significance for enhancing regional ecological security levels and optimizing the spatial layout of mountainous urban areas. Taking Chongqing as an example, the InVEST model was used to assess four ecosystem services: water production, carbon sequestration, soil conservation, and habitat quality. The MSPA method was employed to identify ecological source areas. A resistance surface was constructed by comprehensively considering natural and human factors. The Linkage Mapper tool was utilized to extract ecological corridors and identify ecological bottlenecks, thereby constructing the regional ecological security pattern. Additionally, the Fragstats and Conefor Sensinode software were used to assess its ecological resilience. The results indicate that from 2000 to 2022, the number of ecological source patches continued to increase, with a spatial distribution characterized by concentration in the east and dispersion in the west. The total length of ecological corridors first increased and then decreased, with a net increase of 2 717.37 km, and the overall connectivity of the region gradually strengthened. The total area of ecological nodes showed a "V"-shaped trend, forming two high-density core areas in the Qinba Mountains of northeastern Chongqing and the Wuling Mountains of southeastern Chongqing. The ecological source area resilience index in Chongqing ranged from 0.087 5 to 0.897 4 between 2000 and 2022, with a spatial distribution pattern of "high in the northeast and low in the southwest." The ecological corridor resilience index ranged from 0.206 7 to 0.769 4, with low-resilience corridors concentrated in the Wuling Mountains in southeastern Chongqing and the Three Gorges Reservoir Area in northeastern Chongqing, while high-resilience corridors were distributed in the Daba Mountains, parallel ridge and valley areas, and the outskirts of the main urban area in northeastern Chongqing. The ecological node resilience index ranged from 0.216 9 to 0.783 1, with an overall spatial pattern characterized by "low resilience dominance and localized high resilience clusters." The research findings provide a scientific basis for optimizing ecological space, enhancing ecosystem stability, and improving ecological service functions in Chongqing and also offer reference and guidance for constructing ecological safety patterns and assessing regional ecological resilience in other mountainous cities.

Key words: ecosystem services ecological security pattern InVEST model morphological spatial pattern analysis(MSPA) ecological resilience Chongqing

随着人口增长与经济社会的快速发展，生态系统的稳定性与可持续性正面临日益严峻的挑战^[1]. 生态安全格局作为连接生态系统服务与人类社会发展的重要纽带，已成为区域生态安全保障与社会高质量发展的关键基础^[2]. 山地城市受限于脆弱的生态本底和特殊的地貌空间结构，面临的人地矛盾尤为突出，随着城市扩张，环境承载能力逐步下降，生态系统功能呈现退化趋势^[3]. 在此背景下，如何在国土空间治理体系中优先考虑生态因素，科学协调生态系统服务与城市建设的需求，提升城市生态系统韧性，实现生态环境保护与城市发展的协同推进，已成为当前亟待解决的关键问题^[4].

近年来，国内外学者基于地理学与景观生态学^[5，6]等视角，围绕生态安全格局的构建与优化开展了大量研究. 研究内容主要集中在理论框架构建、生态安全组分方法选择以及评价指标体系完善等方面^[7]. 当前，以“生态源地识别-生态阻力面构建-生态廊道提取”已成为生态安全格局构建的主流范式^[8]，在山区、流域、城市化和矿产开发区域等多尺度生态脆弱区得到广泛应用^[9]. 在早期的生态源地研究中，通常直接将自然保护区等现有保护区域作为生态源地^[10]；随着研究的深入，形态学空间格局分析（morphological spatial pattern analysis，MSPA）^[11]、景观连通性^[12]以及基于InVEST（integrated valuation of ecosystem services and tradeoffs）模型的生态系统服务功能评估^[13]等方法逐步得到应用. 本研究通过整合InVEST模型与MSPA方法，实现了生态系统服务功能评估与景观空间结构分析的协同互补，为生态安全格局构建提供更为系统和精准的技术支撑^[14]. 生态阻力面是指生态流在穿越不同土地利用类型过程中所需克服的阻力^[15]，其构建质量直接决定了生态廊道识别的准确性，以及生态过程模拟与连通性分析结果的可靠性^[16]；目前，研究者主要基于土地覆被类型、植被覆盖度、坡度和高程等生态要素依权重赋值阻力系数^[17，18]，并通过引入不透水表面指数（impervious surface area，ISA）或夜间灯光数据（nighttime light data，NTL）等人类活动强度指标修正阻力面^[19，20]. 生态廊道是生态网络中连接破碎化生境、引导物质流、能量流和生物迁移的关键带状区域^[21]，其识别通常基于最小累积阻力模型（minimum cumulative resistance，MCR）^[22]、最小成本路径分析（least-cost path analysis，LCP）^[23]和电路理论^[24]等方法；随着研究的深入，Linkage Mapper工具逐渐成为生态廊道构建的主流方法，该工具整合了MCR模型和图论分析的优势^[25]，进一步提升了廊道识别的科学性，为构建高效且连通性强的生态安全格局提供了重要支撑.

生态韧性是指区域生态系统在应对外界干扰时所表现出的生态抵抗性、适应性与恢复性的综合能力^[26]；增强城市生态韧性是保障生态安全、提升风险应对能力和实现可持续发展的关键途径^[27]. 早期，生态韧性的评估主要从生态风险、气候变化及自然灾害防控等角度出发，通过构建指标体系来分析其状态及变化趋势^[28]. 近年来，随着生态安全格局研究框架的日益成熟，学者们逐渐将生态安全格局构建结果与生态韧性评估相融合，从系统结构与生态功能协同的视角出发，量化区域生态系统的稳定性与恢复能力. 如：Yuan等^[29]以长治市为例，探讨了如何通过构建生态安全格局来提升资源型城市的生态韧性. 孙梓渊等^[10]基于生态系统服务构建生态安全格局并评估长株潭城市群生态源地与廊道的韧性空间分异特征. 杨亮洁等^[30]基于复杂网络理论，应用鲁棒性模型模拟不同情景下黄土高原生态网络韧性变化；王辰星等^[31]在北京生态修复空间识别中构建了“抵抗力-恢复力-适应力”三维框架，进一步拓展了韧性评估的维度. 将生态韧性评估与生态安全格局构建相结合，有助于实现对生态系统韧性的功能解构与空间可视化表达^[32]，进而精准识别维持生态安全格局稳定的关键要素，可为生态空间格局优化和可视化管理提供新的视角和科学依据.

重庆市作为我国典型的山区内陆特大型城市，人类活动强烈，下垫面条件复杂多样、异质性强，生态本底脆弱. 在快速城镇化背景下，生态空间持续压缩，生态安全面临严峻挑战. 为此，本研究基于InVEST模型和MSPA识别生态源地，考虑到重庆复杂的山地城市下垫面条件，引入坡度、地形位指数（topographic position index，TPI）和夜间灯光指数（NTL），构建能够充分反映山地城市地域特色的多因子综合阻力面并提取生态廊道，进而构建生态安全格局并基于此评估生态韧性，以期为山地城市国土空间优化与生态韧性提升提供参考.

1 材料与方法 1.1 研究区概况

重庆市（28°10′~32°13′N，105°11′~110°11′E）位于二、三级地势过渡带，是全国唯一的山地型直辖市. 全市总面积约8.24×10⁴ km²，涵盖渝中区、江北区、南岸区、九龙坡区、长寿区、涪陵区和奉节县等38个区县（图 1）；截至2023年，重庆市常住人口为3 191.43万人，生产总值达30 145.79亿元. 境内属亚热带湿润季风气候，年均降水量1 376.10 mm，具有显著的雨热同季特征. 水系发育程度较高，河网密度达0.21 km·km^-²，但时空分布不均；地貌类型以山地丘陵为主，平行岭谷地貌发育典型，砂岩地貌与喀斯特地貌交错分布，地势起伏大，森林覆盖率为55.06%. 2000~2022年间重庆市的城镇化进程加速显著，城镇化率从35.6%提升至71.67%；同时交通基础设施快速发展，高速公路通车总里程由199 km增加到4 002 km；高速铁路自2015年成渝高铁开通实现零的突破，到2022年底运营里程达753 km. 随着城镇化、工业化和高速公路、高铁等重点工程的快速推进，山区生态系统面临水土流失、地质灾害频发及生态空间破碎化等问题，特别是“四山”生态屏障（缙云山、中梁山、铜锣山和明月山）功能存在局部退化. 为此，《重庆市国土空间生态修复规划（2021~2035年）》提出构建“三带四屏多廊多点”生态安全格局，推动库区治理、山地绿化和岸线修复等系统性工程.

重庆主城区包括渝中区、江北区、南岸区、九龙坡区、沙坪坝区、大渡口区、北碚区、渝北区和巴南区图 1 研究区地势概况 Fig. 1 Location and topography of the study area

1.2 数据来源

本研究涉及的数据来源：数字高程模型（DEM）数据源于地理空间数据云（http://www.gscloud.cn）. 2000年、2010年、2020年和2022年（将2022年作为数据终点年，是基于当前可获取的最新土地覆盖数据时效性，及包含社会经济数据在内的多源数据时序一致性的综合考量）4期土地覆盖类型数据，源于武汉大学发布的中国逐年土地覆被数据集（http://irsip.whu.edu.cn），根据研究区实际情况，将土地利用数据重分类为耕地、林地、草地、水域、建设用地和未利用地这6类. 归一化植被指数（NDVI）数据，源于地球资源数据云（http://www.gis5g.com/home）. 土壤数据来源于国家冰川冻土沙漠科学数据中心（http://www.crensed.ac.cn）世界土壤数据库（HWSD）提取的中国土壤数据集，利用ArcGIS 10.8软件计算获得土壤可蚀性数据. 2000~2022年气象数据（蒸散发数据和年降水量数据），源于国家地球系统科学数据中心（http://www.geodata.cn），利用ArcGIS 10.8软件计算获得降水侵蚀力数据. 夜间灯光原始数据选取NPP-VIIRS数据集（NOAA，https://www.ngdc.noaa.gov/eog/download.html）. 路网、水系数据源于Open Street Map平台（http://www.openstreetmap.org）. 为了确保数据有效性，保持空间参考的一致性，将所有栅格数据重采样至30 m空间分辨率，数据投影坐标系统一为WGS_1984_UTM_zone_48N投影.

1.3 研究方法 1.3.1 生态系统服务功能测算

基于《全国主体功能区规划》对重庆市“长江上游重要生态屏障”的战略定位，结合“双碳”战略目标下的生态系统服务功能需求，最终选取产水、固碳、生境质量和土壤保持4项核心生态系统服务功能进行综合评估.

（1）产水采用InVEST模型中产水模块来计算重庆市生态系统的产水服务，计算公式如下^[33]：

W_{i} = (1 - \frac{E P T_{i}}{R_{i}}) \times R_{i}

(1)

式中，W_i为栅格单元i的产水量（mm）； $E P T_{i}$ 为栅格单元i的实际蒸散量（mm）；R_i为栅格单元i的年降水量（mm）.

（2）固碳固碳存储服务采用InVEST模型中固碳模块估算重庆市生态系统的固碳能力，计算公式如下^[34]：

C_{t o t a l} = C_{a b o v e} + C_{b e l o w} + C_{s o i l} + C_{d e a d}

(2)

式中， $C_{t o t a l}$ 为重庆市总碳储量（Mg）； $C_{a b o v e} 、$ $C_{b e l o w} 、$ $C_{s o i l}$ 和 $C_{d e a d}$ 依次为地上部分碳储量（Mg）、地下部分碳储量（Mg）、土壤碳储量（Mg）和死亡有机碳储量（Mg）.

（3）生境质量生境质量是反映生态环境适宜性的重要指标，本研究基于InVEST模型中的生境质量模块（habitat quality）对重庆市的生境质量进行量化评估，计算公式如下^[35]：

Q_{i j} = H_{i j} \times (1 - \frac{D_{i j}^{z}}{D_{i j}^{z} + K^{z}})

(3)

式中， $Q_{i j}$ 为土地利用类型j中栅格i的生境质量指数； $H_{i j}$ 为土地利用类型j中栅格i的生境质量适宜度； $D_{i j}$ 为土地利用类型j中栅格i的受胁迫水平；K为半饱和参数，z为归一化参数，通常设为2.5.

（4）土壤保持土壤保持量为潜在土壤侵蚀量与实际土壤侵蚀量之差. 采用InVEST模型中的土壤保持模块，基于通用土壤流失方程进行评估，计算公式如下^[36]：

S D_{i} = R K L S_{i} - U S L E_{i}

(4)

R K L S_{i} = X \times Y \times R S

(5)

式中， $S D_{i}$ 为栅格i的土壤保持量； $R K L S_{i}$ 、 $U S L E_{i}$ 分别为栅格i的土壤潜在侵蚀量、土壤实际侵蚀量；X为降水侵蚀力因子；Y为土壤可蚀性因子；RS为地形因子.

1.3.2 形态学空间格局分析

形态学空间格局分析（MSPA）是基于数学形态学原理对栅格像元分类，识别出在空间形态和连通性上具有重要作用的斑块，经过分析处理后得到互不重叠的景观类型^[37]. 研究将土地覆被类型中的林地、草地和水域作为前景，耕地、建设用地和未利用地作为背景. 运用GuidosToolbox软件开展形态学空间格局分析，参考已有研究^[38]将边缘宽度设置为300 m. 识别得到包括核心区在内的7类景观单元，分别为核心区、桥接区、孤岛、边缘、孔隙、支线和环道区^[39]，有效反映斑块在重庆市生态系统流中的不同作用.

1.3.3 生态源地综合确定

本研究基于4类生态系统服务，采用等权叠加法获取综合生态系统服务图层，并利用自然断点分级法将综合生态系统服务图层的结果划分为“极重要区”“较重要区”和“一般重要区”，通过空间叠置分析，将“极重要区域”与MSPA核心景观斑块的交集区域确定为生态源地候选斑块. 鉴于研究区尺度较大，最终筛选面积大于10 km²的候选斑块作为研究区的生态源地^[40].

1.3.4 生态阻力面构建

本研究参考李权荃等^[5]对阻力面构建方法的研究结论，采用阻力系数与修正因子相结合的方式构建综合阻力面. 在考虑重庆市复杂山地地形特征与生态环境条件的基础上，选取数字高程（DEM）、土地利用类型、归一化植被指数（NDVI）和坡度作为基础阻力因子. 各因子的阻力值依据彭洁等^[41]的研究，设定在10~100之间，数值越大表示迁移阻力越强.

参考文献[42]，并采用层次分析法确定相关权重（表 1）.

表 1 基本阻力面指标评价体系 Table 1 Evaluation system of basic resistance surface indicators

为进一步体现重庆山地城市地域特色，引入夜间灯光指数（NTL）和地形位指数（TPI）对初始阻力面进行空间修正，以增强其对人类活动干扰与地形变化的响应能力，从而构建出更为精准的综合阻力面. 地形位指数和阻力面修正指标计算公式如下^[10]：

D_{i} = l n [(\frac{G_{i}}{G_{a v e}} + 1) \times (\frac{P D_{i}}{P D_{a v e}} + 1)]

(6)

S_{i} = α D_{i} + β L_{i}

(7)

R E_{i} = \frac{S_{i}}{S_{a}} \times R E

(8)

式中，D_i为栅格 $i$ 的地形位指数，G_i和 $P D_{i}$ 分别表示栅格 $i$ 的数字高程和坡度； $G_{a v e}$ 和 $P D_{a v e}$ 分别表示重庆市的平均高程和平均坡度；S_i为地形位指数D_i与夜间灯光数据L_i加权后的综合修正指标， $α$ 和 $β$ 为参数， $R E_{i}$ 为修正后的综合阻力值， $S_{a}$ 为栅格 $i$ 对应的土地利用类型a的平均综合修正指标，RE为栅格 $i$ 在空间中某一方向上的阻力值.

1.3.5 生态廊道及生态夹点识别

生态廊道作为连接生态源地的关键纽带，能够促进物质循环和能量流动，对提升区域景观连通性具有重要作用^[43]. 本研究利用Linkage Mapper工具箱中的Build Network and Map Linkages工具提取生态廊道，再通过Centrality Mapper模块计算生态廊道的电流中心性，据此将生态廊道分为3级，等级越高表明廊道的景观连通性和生态功能重要性越强^[44].

生态夹点是基于电路理论识别出的关键节点，表现为廊道网络中电流密度最大的区域，反映了生态要素流动的高概率路径和生态保护的重点区位^[45]. 本研究利用Linkage Mapper工具箱中的Pinchpoint Mapper模块，通过“all-to-one”计算模式识别生态廊道密度最高的区域，运用自然断点法将电流密度值划分为5个等级，将密度最高等级作为生态夹点.

1.3.6 生态韧性评估

本研究基于生态安全格局构建理论，从生态源地韧性、生态廊道韧性和生态夹点韧性3个维度构建了重庆市生态韧性评估体系^[29]. 参考已有研究^[46]，生态源地韧性评估选取内部特征、结构复杂性、空间连通性和外部环境这4个准则层；生态廊道韧性评估涵盖空间连通性、内部属性和外部环境这3个准则层；生态夹点韧性则从内部因素和外部环境两个维度进行评价. 在研究方法上，采用层次分析法确定各指标权重（具体指标层及权重赋值见表 2）.

表 2 城市生态韧性指标体系 Table 2 Urban ecological resilience indicator system

本研究采用多软件协同分析方法，通过Fragstats 4.2计算生态源地内部特征指数和景观复杂性指数，运用ConeforSensinode 2.6分析生态源地、廊道及夹点的空间连通性特征，并借助ArcGIS 10.8计算生态源地外部环境因素以及廊道、夹点的内外部因素. 为便于后续空间叠加分析，对所有指标进行了去量纲化处理，并采用自然断点法将各韧性指数结果划分为5个等级，计算公式如下：

R = \sum_{i = 1}^{n} W_{i} \times R_{i}

(9)

式中，R为生态韧性指数，W_i和R_i为第i个指标的权重和结果.

2 结果与分析 2.1 生态安全格局时空演变 2.1.1 生态系统服务功能时空演变分析

经计算得到不同时间节点（截面）各项生态系统服务（表 3），表 3显示了重庆市22 a间生态系统服务功能的时序变化特征. 受区域降水量和蒸散发量变化的影响，重庆市单位面积产水量呈现持续下降的趋势，年均产水量由632.01 mm减少到314.01 mm，降幅高达50.32%，这一变化与全球气候变暖导致的区域气温升高密切相关. 特别是2022年夏季，重庆市平均降水量为105.2 mm，较1981~2010年气候基准期同期均值（303 mm）下降约65.3%，为1961年有完整气象记录以来的最低值. 此次干旱事件对重庆市及长江流域的水资源供给、农业生产和生态系统稳定性均造成了严重影响. 土壤保持总体呈现“先降-后升-再降”的变化趋势，尽管2020年短暂上升至2 113.29 t，但2022年又降为1 615.44 t，本研究期内单位面积土壤保持量总体下降15.69%，反映出生态系统水土流失调控功能的不稳定性. 受城镇化、工业化快速发展影响，重庆市生境质量总体呈下降趋势，由0.025 0减少到0.017 1. 生态系统固碳功能保持相对稳定，平均固碳量在11.62~11.68 t之间小幅波动，整体来看重庆市综合生态系统服务总体呈下降趋势，其中2022年特大干旱影响，加重了本研究时段（2000~2022年）的这种趋势.

表 3 2000~2022年重庆市生态系统服务年平均值 Table 3 Annual average values of ecosystem services in Chongqing from 2000 to 2022

从空间分布特征来看（图 2），重庆市的生态系统服务功能存在显著的区域差异. 2000~2010年产水量高值区主要集中在梁平、垫江和长寿等平行岭谷带；到2020年，产水量高值区则主要分布于黔江、酉阳和秀山等区县，以及沙坪坝、九龙坡等主城区；2022年受极端干旱的影响，产水量高值区面积大幅缩减，仅在主城区的部分地区零星分布. 土壤保持服务的空间格局分布特征明显，渝东北和渝东南地区始终维持较高水平，而主城区及周边区域持续处于低值状态. 生境质量呈现“主城区低、四周高”的分布格局，渝东北秦巴山区、渝东南武陵山区等生态保护区以及部分生态核心区维持较高水平，而主城区受城市化扩张影响，低值区范围呈现扩大趋势. 固碳服务的空间变化趋势较小，表现为“从西北向东南、东北递增的梯度特征”，山区和森林覆盖区是固碳量集中的核心区域，西北部城市建设区由于城市化程度较高，固碳能力相对较弱.

图 2 2000~2022年重庆市生态系统服务功能时空演化 Fig. 2 Spatio-temporal evolution of ecosystem service functions in Chongqing from 2000 to 2022

2.1.2 生态安全格局的构建及演变 2.1.2.1 基于MSPA-InVEST模型的生态源地识别及演变分析

本研究期间，重庆市生态源地数量呈现持续增长的趋势（表 4），生态保护范围逐步扩大. 2000年共识别出66块生态源地，总面积为7 462.97 km²，占研究区总面积的9.06%，平均斑块面积为113.08 km². 2010年尽管源地数量增至71块，但受城镇化快速扩张和土地利用变化的影响，平均斑块面积下降为102.54 km²，总面积较2000年减少了2.45%，仅占研究区总面积的8.84%，反映出该阶段生态空间受到明显挤压. 2020年生态源地数量增至96块，总面积达到7 310.22 km²，较2010年微增0.41%，占研究区总面积的8.87%. 由于2015~2020年重庆市城镇化率以年均1.6个百分点的速度快速增长，加之国家新型城镇化规划（2014~2020年）的实施和高速公路网络的大规模建设，导致部分大型源地出现破碎化现象，平均斑块面积降至76.15 km²，为研究期间的最低水平. 2020年后，随着房地产市场调整和国家一系列重大生态修复工程的实施（包括《全国重要生态系统保护和修复重大工程总体规划》、长江经济带高质量发展战略和长江十年禁渔计划等），生态源地数量持续增加，总面积显著提升至8 472.33 km²，较2020年增长15.90%，占研究区总面积的10.28%，首次超过2000年的基准水平. 尽管生态源地总面积有所增长，平均斑块面积仅小幅增加到84.72 km²，景观连通性仍面临挑战，生态空间的整合与优化仍需进一步加强.

表 4 2000~2022年重庆市生态源地数量与面积变化 Table 4 Temporal variations in ecological source patches' number and size in Chongqing from 2000 to 2022

由图 3可以看出，重庆市生态源地主要沿大巴山、巫山、七曜山、武陵山和大娄山等条状山脉分布. 其中大型生态源地集中分布于渝东北秦巴山区和渝东南武陵山区，小型生态源地则分散于长江和乌江支流沿线. 2000~2022年渝东北地区生态源地数量逐渐增多，表明天然林保护等重点生态项目成效显著；周边区县生态源地数量虽有所增加，但受到城乡扩张与生态修复双重作用影响，源地斑块面积变化大.

图 3 2000~2022年重庆市生态源地空间分布 Fig. 3 Distribution of ecological source areas in Chongqing from 2000 to 2022

2.1.2.2 综合阻力面构建及时空演变分析

以土地利用类型、数字高程、坡度和归一化植被指数为源数据，使用ArcGIS中重分类模块和栅格计算器模块计算重庆市各要素阻力值，单因子阻力面和综合阻力面结果如图 4所示. 其中土地利用类型的阻力值高值区域主要分布在主城区及其周边地区，未利用地和建设用地阻力值较高，而林地、草地等自然生态用地的阻力值较低. 数字高程的阻力值随海拔升高而增加，尤其是在渝东北大巴山区和渝东南的武陵山区表现为较高的阻力值，坡度的阻力分布与数字高程阻力面相一致. NDVI的高阻力值区域主要集中在重庆主城区的“核心圈”以及主要交通干道沿线，而植被覆盖较好的林地和草地区域则表现为低阻力值. 综合4类因子构建的2022年综合生态阻力面表明，重庆市整体阻力呈现主城区阻力值高，周边地区阻力值低的空间分布特征. 利用夜间灯光指数（NTL）和地形位指数（TPI）修正后的阻力面较综合阻力面更加突出城市核心区和高强度建设区域的生态阻力，成为生态过程流动的主要障碍.

图 4 2022年重庆市单因子阻力面与综合阻力面 Fig. 4 Single-factor resistance surface and comprehensive resistance surface of Chongqing in 2022

图 5展示了重庆市在2000年、2010年、2020年和2022年这4个时期的综合阻力面时空演变特征. 从中可以看出，2000~2022年重庆市综合阻力值呈现明显的“先下降后上升”变化趋势，综合阻力面整体呈现高值区由主城区向外围扩展的发展趋势. 2000年重庆市综合阻力值的空间分布比较聚集，高值区主要集中在渝中区等核心城区，边缘地区阻力值普遍较低. 2010年核心区高阻力值范围开始向渝北区扩展，反映出城市扩张的初期趋势，但整体阻力值较2000年略有下降，表明城市化进程仍处于过渡阶段. 2020年综合阻力面的空间格局发生显著变化，高值区不仅在核心区持续扩大，而且在城市外围形成了多个连续的高阻力斑块，这一现象主要归因于渝北区依托临空经济带动建设用地快速扩张，形成了两路——龙溪和悦来⁃中央公园两大高密度核心区；同时，巴南区沿轨道交通3号线轴向拓展，龙洲湾⁃鱼洞组团的建成区面积显著增加；此外，轨道交通1号线的延伸促进了大学城区域快速发展，常住人口规模已达35万人. 这些变化共同推动了重庆市城镇化进程的加速，尤其是在2020年前后，城市功能布局和空间结构发生深刻转型，人类活动对地表阻力的影响显著增强. 2022年阻力值出现显著跃升，阻力峰值达到2 905.62，相较于2020年大幅提升. 这一变化反映出快速城市化进程和基础设施建设对生态环境压力的加剧. 从整体来看，2000~2022年重庆市综合阻力面空间格局表现为从“高值集中”向“多点扩散”的转变过程. 这一演化趋势表明，随着城市化的推进，重庆市的空间结构和生态压力逐渐呈现出更加复杂的分布模式.

图 5 2000~2022年重庆市综合阻力面空间分布 Fig. 5 Distribution of comprehensive resistance surface in Chongqing from 2000 to 2022

2.1.2.3 生态廊道识别及其时空演变分析

从数量规模来看（表 5），2000年重庆市共识别出169条生态廊道，总长度为5 859.34 km. 其中一级、二级和三级廊道数量分别为97、63和9条，对应长度分别为4 385.01、1 468.28和6.05 km，平均长度依次为45.21、23.31和0.67 km，呈现出以一级廊道为骨架、二级廊道为支线的网络空间结构. 2010年生态廊道总数小幅增加为186条，总长度增长至6 131.66 km. 其中，一级廊道的数量和长度均有所增加；二级廊道的长度显著下降，由1 468.28 km减少至617.83 km；三级廊道的数量为15条，长度明显增加，平均长度提升至5.46 km，反映出生态网络结构的局部调整与优化. 2020年为生态廊道系统发展的转折点，廊道总数大幅增加为261条，总长度显著提升至9 554.33 km. 其中，一级廊道长度突破7 300 km，成为生态网络的核心支撑；二级廊道数量开始恢复，长度突破2 100 km；三级廊道数量轻微增加到23条，长度达到95.67 km，平均长度为4.16 km，表明生态网络进一步扩展并趋于完善. 截至2022年，重庆市生态廊道系统持续优化，廊道总数达284条，总长度为8 576.71 km，虽较2020年有所回落，但仍维持在较高水平. 其中，一级廊道数量达206条，总长度为7 359.26 km，形成强大的生态主干网络；二级廊道的数量为71条，长度为1 201.54 km，平均长度16.92 km；三级廊道数量减少到7条，长度为15.92 km，平均长度为2.27 km，表明生态廊道系统在规模扩张的同时，结构更加稳定和高效.

表 5 2000~2022年重庆市生态廊道数量及长度变化 Table 5 Temporal variations in the number and length of ecological corridors in Chongqing from 2000 to 2022

从空间分布特征来看（图 6），2000年生态廊道系统初步形成，一级生态廊道主要沿长江、乌江两大水系干流呈线性分布，构成区域生态网络的主体框架；二级生态廊道集中分布于大巴山、武陵山等生态屏障区，在连接生态源地与主干廊道方面发挥关键作用；三级廊道则零散分布于七曜山等生态敏感区，形成局部生态节点. 2010年在快速城市化进程的驱动下，生态廊道进入结构调整阶段. 一级生态廊道在武隆、巫山、南川和酉阳等自然景观资源丰富的重点生态保护区分布较为密集，同时在大巴山和武陵山等山区也形成集中分布区；二级生态廊道网络密度显著下降，其中渝东南地区衰减最为明显；三级生态廊道则呈现向武陵山区集聚的分布趋势. 随着生态修复工程的推进，2020年生态系统进入重构（山水林田湖系统治理）优化阶段. 一级生态廊道以长江、嘉陵江和乌江为主体骨架，实现关键区段连通性修复，并在主城区外围构建完整生态环线；二级生态廊道在渝东北和渝东南分别形成相对独立的次级网络集群，强化区域生态协同；三级生态廊道成功填补七曜山和大娄山等关键生态缺口，提升了区域生态网络的完整性. 2022年生态系统呈现稳定发展态势. 一级生态廊道覆盖的空间范围扩大，特别是在自然环境保存较为完好的山区扩展明显；相对而言，二级生态廊道的覆盖范围有所缩减，三级生态廊道则更加集中分布于武陵山区域.

图 6 2000~2022年重庆市生态廊道空间分布 Fig. 6 Spatial distribution of ecological corridors in Chongqing from 2000 to 2022

2.1.2.4 生态夹点识别及时空演变分析

从时间变化来看，2000~2022年间重庆市生态夹点总面积呈现“V”型变化趋势. 具体表现为：2000年研究区内生态夹点总面积为31.73 km²，到2010年面积下降至29.47 km²，降幅达7.12%；此后面积显著扩大，2020年增至43.11 km²，较2010年增长46.28%；2022年进一步扩大达61.22 km². 较2020年增长41.96%. 这一变化趋势表明，研究区生态夹点经历了早期的收缩阶段后，近10 a来进入快速扩张期，这与重庆市近年来实施的生态保护修复工程及国土空间优化政策密切相关.

从空间分布特征来看（图 7），2000~2022年重庆市生态夹点的分布范围呈现明显的动态变化. 2000年生态夹点集中分布于渝东北大巴山区、渝东南武陵山区等生态敏感区及长江干支流沿岸的自然保护地周边，而主城区周边的夹点密度相对较低，反映人类活动对生态空间的挤压效应. 2010年生态夹点整体分布范围有所收缩，其中渝东北地区的生态夹点减少最为明显. 2020年生态夹点在大型源地周边分布范围明显扩大，但在中心城区仍存在“夹点空洞”. 2022年空间格局进一步优化，渝东北秦巴山区和渝东南武陵山区形成两大高密度核心区，同时生态夹点开始向城市周边区域扩展，空间覆盖范围显著扩大，各生态夹点间的空间联系更为紧密. 总体而言，本研究期间重庆市生态夹点的空间分布趋于均衡化，区域生态网络连通性持续提升，逐步形成了结构稳定的生态格局.

图 7 2000~2022年重庆市生态安全格局分布 Fig. 7 Distribution of ecological security patterns in Chongqing from 2000 to 2022

2.2 生态韧性评估结果 2.2.1 生态源地韧性时空演变

2000~2022年重庆市生态源地韧性整体呈现“东北高、西南低”的空间格局，韧性指数介于0.087 5~0.897 4之间，区域生态廊道系统整体表现出波动上升、结构趋于优化的演变趋势，但局部仍存在退化风险.

从空间分布来看（图 8），重庆市22 a间生态源地韧性呈现明显的区域差异. 渝东北大巴山区生态源地面积广阔，且连通性良好，加之拥有大面积的连片森林生态系统和复杂地形所形成的天然屏障，使其在应对外界干扰时表现出较强的抵抗力和恢复力. 所以该区域生态源地韧性指数始终高于其他地区，是全市生态稳定性的核心支撑区. 然而，随着快速城市化对生态用地的持续挤压，该区域生态源地斑块趋于破碎化，完整性有所下降，韧性极高值区的范围也出现缩减.

图 8 2000~2022年重庆市生态韧性评估结果 Fig. 8 Results of the ecological resilience assessment of Chongqing from 2000 to 2022

渝东南武陵山区及其北缘的过渡带（包括武隆区东部的大娄山主脉和石柱县南部的七曜山过渡带）和奉节县南部的山区，构成了较高和中等韧性区域. 它们呈带状或块状分布，与地形起伏较大、植被覆盖良好的区域高度吻合. 尽管这些区域的生态系统结构相对完整，但由于部分区域地处山区内部的相对平缓过渡带，受人类活动的影响逐渐显现，导致其生态韧性相较于渝东北大巴山区有所下降. 特别是七曜山作为武陵山北缘的生态过渡带，其韧性明显表现出由较高向中等韧性过渡的特征.

低、极低韧性区域主要分布在城镇化水平高、人类活动强烈的丘陵平坝地区，集中分布于江津、綦江和南川等区县，并在长江沿线及其支流周边的丘陵地带零星分布. 这些地区地势相对平缓，城镇化和农业开发强度较大，导致生态系统破碎化程度较高，抵抗外界干扰的能力较弱. 这种显著的空间破碎化格局，清晰地反映了快速城市化进程对生态源地韧性的削弱作用.

2.2.2 生态廊道韧性时空演变

2000~2022年重庆市生态廊道的韧性整体呈现“先升后降、再恢复”的演变趋势，韧性指数在0.206 7~0.769 4之间波动. 2000年研究区域内生态廊道的整体韧性水平偏低，主要表现为极低和较低韧性等级的廊道占据较大比例，总数达124条，其韧性指数主要集中在0.225 2~0.284 5之间；相比之下，高韧性廊道数量稀少，仅有18条. 这一分布特征反映出在城市化初期阶段，生态廊道的功能尚未得到充分重视和有效保护. 经过10 a的发展，2010年生态廊道的韧性水平整体有所提升，韧性指数分布区间扩展至0.240 3~0.769 4，表明廊道系统应对干扰的能力进一步增强. 其中，高韧性廊道数量由原先的18条增加至23条，反映出随着城市化进程的深入及生态保护意识的增强，部分地区开始重视并有效提升了生态廊道的保护与建设水平. 2020年生态廊道系统呈现规模扩张与韧性衰退并存的转折态势，尽管廊道总数大幅增加至261条，但整体韧性水平显著下降. 极低和较低韧性等级的生态廊道仍占据较大比例，总数达到226条，而高韧性廊道数量仅有6条. 这一现象表明，单纯的数量增长未能有效提升系统功能，由于廊道质量和连通性不足，生态系统的脆弱性反而加剧. 2022年随着生态保护政策的加强和环境修复措施的有效推进，生态廊道系统韧性逐步恢复，高韧性廊道从往年较低水平恢复至19条，中等韧性生态廊道也呈现稳定增长，生态廊道结构与功能已得到一定修复与增强.

从空间分布特征来看（图 8），研究期间极低与较低韧性等级的生态廊道在研究区域内占比最大，主要分布于渝东南武陵山区和渝东北三峡库区中水土流失较为严重的区县沿线，包括巫山、奉节、万州、忠县和丰都等地. 这些区域生态廊道系统受频繁的土地利用变更、交通和水利等基础设施建设影响较为显著，导致生态结构完整性受损，系统抗干扰与自我恢复能力较弱，整体韧性水平较低. 中高等韧性等级的生态廊道主要分布于渝东北大巴山区、平行岭谷区（如梁平区、垫江县、长寿区和涪陵区等地）以及主城都市区外围地带. 该空间格局反映出以山地和自然保护区为代表的生态系统具有较高的韧性水平. 这些区域原生植被覆盖度高，生物多样性丰富，生态系统结构较为完整和稳定. 此外，近年来持续实施的生态保护修复工程、天然林保护和水土流失治理等举措，进一步增强了区域生态廊道系统的抵御力和恢复力.

2.2.3 生态夹点韧性时空演变

2000~2022年重庆市生态夹点的韧性整体呈现出逐步提升的演变特征，空间分布呈现“核心改善、外围增强”的优化趋势. 2000年重庆市生态夹点韧性整体偏低，韧性指数大多集中在0.216 9~0.254 6之间，空间分布零散. 高韧性夹点分布面积稀少，仅在重要的生态源地（如大巴山、武陵山自然保护区核心区）和大型水库湖泊沿岸呈点状分布. 相比之下，城市建成区、主要农业区及平缓丘陵地带的生态夹点韧性则普遍偏低. 该时期，区域生态网络结构尚未完善，生态系统的连通性和稳定性较为薄弱. 2010年生态夹点的韧性水平呈现整体提升趋势，表现为低韧性区域收缩，中等韧性区域扩张，夹点韧性指数逐渐增高，体现了以退耕还林、水土保持为代表的系列生态修复工程的初步成效开始显现. 2020年重庆市生态夹点韧性的空间格局进入相对稳定的优化平台期，其数值相较于2010年趋于稳定，变化幅度减小，阈值仅有微调，这表明生态建设从规模扩张转向了质量提升与稳定性增强的新阶段. 2022年，重庆市生态夹点韧性指数最高区间已提升至0.532 7~0.783 1，反映出高韧性区域的生态功能进一步增强，整体韧性大幅增强. 这得益于国家公园体制试点、“山水林田湖草沙一体化”保护和系统治理等顶层生态政策的全面实施与成效显现.

从空间分布特征来看（图 8），研究期间极低和较低韧性的生态夹点分布范围广泛，是全市生态夹点韧性格局的主导类型；而中等及以上韧性生态夹点主要集中于渝东北大巴山区、渝东南武陵山区等生态本底优良的山地丘陵带，以及梁平区、垫江县和长寿区所在的平行岭谷区.

3 讨论

本文以重庆市为研究区，综合应用InVEST模型和MSPA方法识别生态源地. 研究表明，重庆市生态源地面积总体呈现增加趋势，主要集中分布于大巴山、巫山和武陵山等山脉沿线，且地表覆盖以林地为主，景观连接度指数显著提高，这一结果与陶培峰等^[47]的研究结论相似. 可能的原因在于《长江经济带发展规划纲要》等国家战略实施，以及天然林保护、退耕还林和矿山生态修复等重点工程的推进. 这些政策的实施不仅推动了生态源地面积的扩展，还提升了生态源地的质量，优化了生态功能区的空间布局，逐步形成了更加均衡、稳定的生态网络；本次筛选生态源地候选斑块时，将最小面积设定为10 km². 该阈值有助于筛选结构稳定和功能显著的核心斑块，但在一定程度上可能遗漏部分具有“踏脚石”功能或生物多样性维持能力较强的小型生境斑块，从而导致面积低于该阈值的潜在生态源地被遗漏. 为进一步完善识别效果，后续可将生态源地斑块的面积阈值调整至5 km²，并结合多尺度分析与景观功能连通性评价，动态优化阈值，实现对生态源地的更精细识别.

本研究基于李权荃等^[5]的研究成果，采用“基础阻力因子+空间修正因子（夜间灯光指数和地形位指数）”的综合方法构建重庆市的综合阻力面，该方法系统整合了城市扩张动态和地形地貌特征，相较于传统单一的地类赋值法，更能准确刻画物种迁移过程中的人为干扰阻力和空间异质性特征，保证生态廊道识别的精准性. 各因子的阻力值参考了彭洁等^[41]的研究. 研究结果表明，2000~2020年重庆市综合阻力值呈现下降的趋势，这一变化主要受到两方面因素的共同影响：一方面，西部大开发战略的实施促进了基础设施的均衡布局；另一方面，通过三峡移民工程、石漠化治理、长江防护林体系建设以及三峡库区消落带综合治理等一系列生态保护措施，不仅优化了库区人口分布格局，同时有效缓解了生态核心区的环境压力. 而2020~2022年阻力值升高，原因可能与“两江新区”设立后新一轮建设热潮的推动，以及《成渝地区双城经济圈建设规划纲要》加速区域一体化开发轨道交通建设有关.

本研究在构建生态阻力面时，主要借鉴了已有研究的评价方法和参数设置，虽具有一定的普适性，但对于重庆市的合理性和适用性仍需进一步验证. 未来研究可结合实地野外调查数据，对当前阻力因子及其权重进行本地化校准；也可引入如随机森林和MaxEnt等机器学习方法，对不同情景下的生态阻力进行动态模拟与优化，从而提升阻力面模型的区域准确性与预测能力. 其次，在综合阻力面可视化方面，本研究采用各年份独立的最大值与最小值进行制图，该方法有助于凸显单一年份内部的空间差异，但在一定程度上削弱了不同年份间阻力值对比的直观性. 未来研究将采用统一的阻力值量纲，以保证不同时期综合阻力面量纲的统一，从而更准确地揭示其时空演变规律.

生态安全格局构建是一个动态过程，其空间分布特征受到自然环境演变和社会经济发展的双重影响^[48]. 传统研究通常从静态角度出发，进行生态安全格局的构建^[49]，而本研究采用长时序数据分析方法，系统揭示了重庆市2000~2022年间关键生态景观要素的时空演变规律，并通过构建多个时期的生态安全格局深入分析其演变趋势. 并在此基础上，进一步开展了基于生态安全格局现状的生态韧性评估，有效识别了重庆市生态源地、生态廊道和生态夹点中较为薄弱的环节. 这种空间分布格局充分体现了重庆市复杂地形条件下，人类活动与自然生态系统相互作用形成的韧性梯度特征，为后续生态保护与修复工作提供了明确的空间指引，也与重庆市持续深化生态文明建设、坚定推进绿色发展的战略导向高度契合.

在城市生态韧性指标体系中，生态廊道重要性主要依据电流中心性划分，并通过数值阈值进行分级，而未直接设定物理宽度. 该方法虽能有效反映廊道的功能连通性，但难以揭示宽度对物种迁徙、基因流动及能量交换的制约作用. 参考周颖等^[50]的研究，不同宽度的生态廊道对物种适宜性存在显著差异. 如：约200 m宽的廊道适于小型哺乳动物和鸟类的活动需求；600 m左右的宽度可满足中型动物的活动需求，并维持相对丰富的景观结构与生态网络质量；而大型动物的适宜生境廊道宽度则需超过1 000 m. 未来研究可在生态韧性评估中引入廊道宽度指标，结合缓冲区分析或电路理论，设定差异化的廊道宽度情景，并定量评估其对景观连通性、迁移阻力以及物种迁徙潜力的影响，以提升生态网络规划的科学性. 在权重赋值方面，本研究采用层次分析法确定生态韧性各维度的权重，未来可进一步优化权重计算方式，如采用熵权法、变异系数法等更为客观的赋权方法. 此外，当前基于生态安全格局的生态韧性评估体系主要采用正向和负向指标加权的方式，可能导致部分指标权重分配不够合理. 后续研究可考虑纳入社会经济等多维影响因素，构建更加系统、全面的生态韧性评估体系，以提升评估结果的科学性和准确性.

4 结论

（1）2000~2022年，重庆市生态系统服务总体呈下降趋势，综合生态系统服务年平均值由0.358 1减少至0.300 6. 其中，产水量、生境质量持续下降，土壤保持量呈现“先减少-后增加-再减少”的趋势，而碳储量则保持相对稳定，仅出现小幅波动.

（2）本研究期间重庆市生态源地数量与面积总体呈上升趋势，净增面积达1 009.36 km²，新增源地以林地为主，集中分布于渝东北大巴山区；生态源地整体呈现“渝东北、渝东南连片集聚，其余区域零散分布”的空间格局. 综合阻力值呈先降后升的趋势，阻力面演化由“高值集中”向“多点扩散”转变. 生态廊道总长度净增2 717.37 km，总量整体呈“V”型变化特征；空间分布上，一级生态廊道沿长江、嘉陵江与乌江分布，构成系统骨架；二级生态廊道在渝东北、渝东南形成次级网络；三级生态廊道点簇式分布于武陵山、大巴山等生态敏感区. 生态夹点面积净增29.49 km²，空间分布由山区、自然保护地周边向主城周边区域扩展，分布趋于均衡，区域生态网络连通性持续提升.

（3）基于生态源地、生态廊道和生态夹点的空间组合，重庆市生态安全格局呈现“三带四屏多廊多点”的空间分布特征. 其中，“三带”指长江、嘉陵江和乌江生态带；“四屏”包括大巴山、巫山⁃七曜山、武陵山和大娄山四大生态屏障；“多廊多点”则由次级河流生态廊道和重要生态节点共同构成.

（4）研究期间重庆市生态源地韧性总体呈现“东北高、西南低”的空间分布格局，源地韧性呈波动上升态势，但局部存在退化风险；生态廊道韧性整体呈“先升后降、再恢复”波动趋势，其中武陵山区及三峡库区水土流失带韧性较低，大巴山区、平行岭谷区及主城都市区外围廊道韧性高；生态夹点韧性整体逐步提升，高韧性区集中于大巴山、武陵山及平行岭谷区，但中低韧性生态夹点仍广泛分布并占主导.

参考文献

[1]	叶鑫, 邹长新, 刘国华, 等. 生态安全格局研究的主要内容与进展[J]. 生态学报, 2018, 38(10): 3382-3392. Ye X, Zou C X, Liu G H, et al. Main research contents and advances in the ecological security pattern[J]. Acta Ecologica Sinica, 2018, 38(10): 3382-3392.
[2]	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.
[3]	王峤, 臧鑫宇. 韧性理念下的山地城市公共空间生态设计策略[J]. 风景园林, 2017(4): 50-56. Wang Q, Zang X Y. Ecological design strategies of public space for mountainous city based on resilience concept[J]. Landscape Architecture, 2017(4): 50-56.
[4]	吕悦风, 项铭涛, 王梦婧, 等. 从安全防灾到韧性建设——国土空间治理背景下韧性规划的探索与展望[J]. 自然资源学报, 2021, 36(9): 2281-2293. Lyu Y F, Xiang M T, Wang M J, et al. From disaster prevention to resilience construction: exploration and prospect of resilience planning under the background of territorial governance[J]. Journal of Natural Resources, 2021, 36(9): 2281-2293.
[5]	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.
[6]	Yang L J, Zhang F N, Qin L S. Construction and stability evaluation of ecological networks in the Loess Plateau[J]. Ecological Indicators, 2024, 159. DOI:10.1016/j.ecolind.2024.111697
[7]	倪庆琳, 侯湖平, 丁忠义, 等. 基于生态安全格局识别的国土空间生态修复分区——以徐州市贾汪区为例[J]. 自然资源学报, 2020, 35(1): 204-216. Ni Q L, Hou H P, Ding Z Y, et al. Ecological remediation zoning of territory based on the ecological security pattern recognition: taking Jiawang district of Xuzhou city as an example[J]. Journal of Natural Resources, 2020, 35(1): 204-216.
[8]	周浪, 李明慧, 周启刚, 等. 基于电路理论的特大山地城市生态安全格局构建——以重庆市都市区为例[J]. 水土保持研究, 2021, 28(2): 319-325, 334. Zhou L, Li M H, Zhou Q G, et al. Construction of ecological security pattern in very large mountainous city based on circuit theory—taking Chongqing metropolitan area as an example[J]. Research of Soil and Water Conservation, 2021, 28(2): 319-325, 334.
[9]	Zhang H T, Li J L, Tian P, et al. Construction of ecological security patterns and ecological restoration zones in the city of Ningbo, China[J]. Journal of Geographical Sciences, 2022, 32(4): 663-681. DOI:10.1007/s11442-022-1966-9
[10]	孙梓渊, 王赛鸽, 陈彬. 基于生态系统服务的生态安全格局构建与生态韧性评估——以长株潭城市群为例[J]. 生态学报, 2024, 44(11): 4650-4661. Sun Z Y, Wang S G, Chen B. Construction of ecological security pattern and assessment of ecological resilience based on ecosystem services: a case study of Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Acta Ecologica Sinica, 2024, 44(11): 4650-4661.
[11]	廖剑威, 闫淑君, 叶佳伟, 等. 基于MSPA-Linkage Mapper的福州滨海长乐区生态网络构建与优化[J]. 西北林学院学报, 2023, 38(5): 243-251. Liao J W, Yan S J, Ye J W, et al. Construction and optimization of ecological network based on MSPA-Linkage Mapper in the Changle district, Fuzhou[J]. Journal of Northwest Forestry University, 2023, 38(5): 243-251.
[12]	Wang T W, Huang Y C, Cheng J H, et al. Construction and optimization of watershed-scale ecological network based on complex network method: a case study of Erhai Lake Basin in China[J]. Ecological Indicators, 2024, 160. DOI:10.1016/j.ecolind.2024.111794
[13]	邹文涛, 何友均, 叶兵, 等. 基于InVEST模型的森林生态系统服务功能评估研究进展[J]. 世界林业研究, 2020, 33(4): 19-24. Zou W T, He Y J, Ye B, et al. Research advances in forest ecosystem services evaluations based on the InVEST model[J]. World Forestry Research, 2020, 33(4): 19-24.
[14]	陈泓宇, 李雄. 基于MSPA-InVEST模型的北京中心城区绿色空间生境网络优化[J]. 风景园林, 2021, 28(2): 16-21. Chen H Y, Li X. Optimization of green space habitat network of central Beijing based on MSPA-InVEST model[J]. Landscape Architecture, 2021, 28(2): 16-21.
[15]	陈昕, 彭建, 刘焱序, 等. 基于"重要性—敏感性—连通性"框架的云浮市生态安全格局构建[J]. 地理研究, 2017, 36(3): 471-484. Chen X, Peng J, Liu Y X, et al. Constructing ecological security patterns in Yunfu city based on the framework of importance-sensitivity-connectivity[J]. Geographical Research, 2017, 36(3): 471-484.
[16]	李航鹤, 马腾辉, 王坤, 等. 基于最小累积阻力模型(MCR)和空间主成分分析法(SPCA)的沛县北部生态安全格局构建研究[J]. 生态与农村环境学报, 2020, 36(8): 1036-1045. Li H H, Ma T H, Wang K, et al. Construction of ecological security pattern in northern Peixian based on MCR and SPCA[J]. Journal of Ecology and Rural Environment, 2020, 36(8): 1036-1045.
[17]	高梦雯, 胡业翠, 李向, 等. 基于生态系统服务重要性和环境敏感性的喀斯特山区生态安全格局构建——以广西河池为例[J]. 生态学报, 2021, 41(7): 2596-2608. Gao M W, Hu Y C, Li X, et al. Construction of ecological security pattern based on the importance of ecosystem services and environmental sensitivity in karst mountainous areas: a case study in Hechi, Guangxi[J]. Acta Ecologica Sinica, 2021, 41(7): 2596-2608.
[18]	杜悦悦, 胡熠娜, 杨旸, 等. 基于生态重要性和敏感性的西南山地生态安全格局构建——以云南省大理白族自治州为例[J]. 生态学报, 2017, 37(24): 8241-8253. Du Y Y, Hu Y N, Yang Y, et al. Building ecological security patterns in southwestern mountainous areas based on ecological importance and ecological sensitivity: a case study of Dali Bai Autonomous Prefecture, Yunnan Province[J]. Acta Ecologica Sinica, 2017, 37(24): 8241-8253.
[19]	刘珍环, 王仰麟, 彭建, 等. 基于不透水表面指数的城市地表覆被格局特征——以深圳市为例[J]. 地理学报, 2011, 66(7): 961-971. Liu Z H, Wang Y L, Peng J, et al. Using ISA to analyze the spatial pattern of urban land cover change: a case study in Shenzhen[J]. Acta Geographica Sinica, 2011, 66(7): 961-971.
[20]	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.
[21]	祁强强, 徐占军. 生态安全格局时空演变分析——以太原城市群为例[J]. 中国环境科学, 2023, 43(11): 5987-5997. Qi Q Q, Xu Z J. Analysis on the spatio-temporal evolution of ecological security patterns: a case study over Taiyuan urban agglomeration[J]. China Environmental Science, 2023, 43(11): 5987-5997.
[22]	Zhang D H, Ren H H, Sun P J, et al. Construction of multi-level ecological security network in fragmented nature landscape using the three-dimensional framework of ecological adaptability[J]. Ecological Indicators, 2023, 157. DOI:10.1016/j.ecolind.2023.111229
[23]	陈秋彤, 刘骏杰, 覃子浏, 等. 基于野外观测检验动物廊道选址模型的准确性——以白头叶猴为例[J]. 生态学报, 2021, 41(24): 9920-9931. Chen Q T, Liu J J, Qin Z L, et al. Testing accuracy of the animal corridor site selection models based on field observations: a case study of white-headed langur (Trachypithecus leucocephalus)[J]. Acta Ecologica Sinica, 2021, 41(24): 9920-9931.
[24]	Huang K X, Peng L, Wang X H, et al. Integrating circuit theory and landscape pattern index to identify and optimize ecological networks: a case study of the Sichuan Basin, China[J]. Environmental Science and Pollution Research, 2022, 29(44): 66874-66887. DOI:10.1007/s11356-022-20383-y
[25]	黄木易, 岳文泽, 冯少茹, 等. 基于MCR模型的大别山核心区生态安全格局异质性及优化[J]. 自然资源学报, 2019, 34(4): 771-784. Huang M Y, Yue W Z, Feng S R, et al. Analysis of spatial heterogeneity of ecological security based on MCR model and ecological pattern optimization in the Yuexi county of the Dabie Mountain Area[J]. Journal of Natural Resources, 2019, 34(4): 771-784.
[26]	陶洁怡, 董平, 陆玉麒. 长三角地区生态韧性时空变化及影响因素分析[J]. 长江流域资源与环境, 2022, 31(9): 1975-1987. Tao J Y, Dong P, Lu Y Q. Spatial-temporal analysis and influencing factors of ecological resilience in Yangtze River Delta[J]. Resources and Environment in the Yangtze Basin, 2022, 31(9): 1975-1987.
[27]	汪东川, 龙慧, 王康健, 等. 京津冀城市群城市化强度与生态韧性的耦合协调分析[J]. 生态学报, 2023, 43(15): 6321-6331. Wang D C, Long H, Wang K J, et al. Coupling coordination analysis of urbanization intensity and ecological resilience in Beijing-Tianjin-Hebei[J]. Acta Ecologica Sinica, 2023, 43(15): 6321-6331.
[28]	石龙宇, 郑巧雅, 杨萌, 等. 城市韧性概念、影响因素及其评估研究进展[J]. 生态学报, 2022, 42(14): 6016-6029. Shi L Y, Zheng Q Y, Yang M, et al. A review of definitions, influence factors and assessment of urban resilience[J]. Acta Ecologica Sinica, 2022, 42(14): 6016-6029.
[29]	Yuan Y, Bai Z K, Zhang J N, et al. Increasing urban ecological resilience based on ecological security pattern: a case study in a resource-based city[J]. Ecological Engineering, 2022, 175. DOI:10.1016/j.ecoleng.2021.106486
[30]	杨亮洁, 张玲玲, 张芳宁, 等. 生态安全格局视角下黄土高原生态网络韧性研究[J]. 生态学报, 2024, 44(22): 10471-10485. Yang L J, Zhang L L, Zhang F N, et al. A study on the resilience of ecological networks in the Loess Plateau from the perspective of ecological security patterns[J]. Acta Ecologica Sinica, 2024, 44(22): 10471-10485.
[31]	王辰星, 王泽童, 杨淼, 等. 基于生态网络构建与生态系统韧性的超大城市生态修复空间识别——以北京市为例[J]. 生态学报, 2025, 45(10): 4626-4637. Wang C X, Wang Z T, Yang M, et al. Identification of ecological restoration spaces based on ecological network construction and ecological resilience in mega city: a case of Beijing[J]. Acta Ecologica Sinica, 2025, 45(10): 4626-4637.
[32]	王思成, 运迎霞, 贾琦. 基于"源—流—汇"指数分析的天津市中心城区生态韧性评价[J]. 西部人居环境学刊, 2020, 35(1): 82-90. Wang S C, Yun Y X, Jia Q. Ecological resilience evaluation of central urban area of Tianjin based on "Source-Flow-Sink" index analysis[J]. Journal of Human Settlements in West China, 2020, 35(1): 82-90.
[33]	Huang Z X, Li S, Peng J J, et al. Assessing ecosystem service dynamics and drivers for sustainable management in the Agro-pastoral ecotone of northern China: a spatiotemporal analysis[J]. Ecological Indicators, 2024, 165. DOI:10.1016/j.ecolind.2024.112213
[34]	孙彦, 蔺星娜, 李生, 等. 贵州省生态系统服务权衡时空动态与驱动因子评估[J]. 环境科学学报, 2024, 44(9): 401-413. Sun Y, Lin X N, Li S, et al. Spatiotemporal dynamics and driving factor assessment of ecosystem service trade-offs in Guizhou Province[J]. Acta Scientiae Circumstantiae, 2024, 44(9): 401-413.
[35]	Shifaw E, Sha J M, Li X M, et al. Ecosystem services dynamics and their influencing factors: synergies/tradeoffs interactions and implications, the case of upper Blue Nile basin, Ethiopia[J]. Science of the Total Environment, 2024, 938. DOI:10.1016/j.scitotenv.2024.173524
[36]	王秀明, 刘谞承, 龙颖贤, 等. 基于改进的InVEST模型的韶关市生态系统服务功能时空变化特征及影响因素[J]. 水土保持研究, 2020, 27(5): 381-388. Wang X M, Liu X C, Long Y X, et al. Spatial-temporal changes and influencing factors of ecosystem services in Shaoguan city based on improved InVEST[J]. Research of Soil and Water Conservation, 2020, 27(5): 381-388.
[37]	张美丽, 齐跃普, 张利, 等. 基于Linkage Mapper与粒度反推法的太行山中北段生态节点识别与分析: 以河北省阜平县为例[J]. 生态与农村环境学报, 2020, 36(12): 1569-1578. Zhang M L, Qi Y P, Zhang L, et al. Identification and analysis of ecological nodes based on linkage mapper and granularity inverse method in the middle and northern sections of Taihang Mountain: a case study of Fuping County, Hebei Province[J]. Journal of Ecology and Rural Environment, 2020, 36(12): 1569-1578.
[38]	李嘉程, 李晟, 郑卫民, 等. 基于MSPA-InVEST模型的长株潭城市群生态网络演变研究[J]. 中国环境科学, 2025, 45(10): 5769-5783. Li J C, Li S, Zheng W M, et al. Evolution of ecological networks in the Chang-Zhu-Tan urban agglomeration: an MSPA InVEST model based approach[J]. China Environmental Science, 2025, 45(10): 5769-5783.
[39]	Zhang R, Zhang Q P, Zhang L, et al. Identification and extraction of a current urban ecological network in Minhang District of Shanghai based on an optimization method[J]. Ecological Indicators, 2022, 136. DOI:10.1016/j.ecolind.2022.108647
[40]	杨彦昆, 王勇, 程先, 等. 基于连通度指数的生态安全格局构建——以三峡库区重庆段为例[J]. 生态学报, 2020, 40(15): 5124-5136. Yang Y K, Wang Y, Cheng X, et al. Establishment of an ecological security pattern based on connectivity index: a case study of the Three Gorges Reservoir Area in Chongqing[J]. Acta Ecologica Sinica, 2020, 40(15): 5124-5136.
[41]	彭洁, 蔡海生, 张学玲, 等. 基于主导生态功能的抚河流域国土空间生态安全格局分析[J]. 生态学报, 2022, 42(18): 7430-7444. Peng J, Cai H S, Zhang X L, et al. Spatial pattern analysis of ecological security in Fuhe River Basin based on dominant ecological function[J]. Acta Ecologica Sinica, 2022, 42(18): 7430-7444.
[42]	Dai L, Wang Z J. Construction and optimization strategy of ecological security pattern based on ecosystem services and landscape connectivity: a case study of Guizhou Province, China[J]. Environmental Science and Pollution Research, 2023, 30(15): 45123-45139. DOI:10.1007/s11356-023-25417-7
[43]	覃彬桂, 林伊琳, 赵俊三, 等. 基于InVEST模型和电路理论的昆明市国土空间生态修复关键区域识别[J]. 中国环境科学, 2023, 43(2): 809-820. Qin B G, Lin Y L, Zhao J S, et al. Identification of key areas for the ecological restoration of territorial space in Kunming based on the InVEST model and circuit theory[J]. China Environmental Science, 2023, 43(2): 809-820.
[44]	连虎刚, 刘春芳, 倪博文, 等. 西北干旱区自然保护地体系生态网络构建及优化: 以河西走廊为例[J]. 应用生态学报, 2025, 36(1): 259-270. Lian H G, Liu C F, Ni B W, et al. Construction and optimization of ecological network of natural protected areas in the northwestern arid region: a case study of Hexi Corridor[J]. Chinese Journal of Applied Ecology, 2025, 36(1): 259-270.
[45]	闫玉玉, 孙彦伟, 刘敏. 基于生态安全格局的上海国土空间生态修复关键区域识别与修复策略[J]. 应用生态学报, 2022, 33(12): 3369-3378. Yan Y Y, Sun Y W, Liu M. Identification and restoration strategy of key areas for territorial space ecological restoration in Shanghai, China based on ecological security pattern[J]. Chinese Journal of Applied Ecology, 2022, 33(12): 3369-3378.
[46]	程佳龙, 张军以. 西南地区水陆耦合的生态安全格局识别与生态韧性评估优化[J]. 农业工程学报, 2025, 41(8): 272-281. Cheng J L, Zhang J Y. Identifying ecological security pattern and optimizing ecological resilience assessment for water-land coupling in Southwest China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2025, 41(8): 272-281.
[47]	陶培峰, 李萍, 丁忆, 等. 基于生态重要性评价与最小累积阻力模型的重庆市生态安全格局构建[J]. 测绘通报, 2022(1): 15-20, 38. Tao P F, Li P, Ding Y, et al. Construction of ecological security pattern based on ecological importance assessment and minimum cumulative resistance model in Chongqing city[J]. Bulletin of Surveying and Mapping, 2022(1): 15-20, 38.
[48]	李治明, 张国飞, 邢捷, 等. 基于MSPA-InVEST模型的陇南市生态安全格局时空演变[J]. 干旱区研究, 2025, 42(6): 1103-1113. Li Z M, Zhang G F, Xing J, et al. Spatiotemporal evolution of the ecological security pattern in Longnan City based on the MSPA-InVEST model[J]. Arid Zone Research, 2025, 42(6): 1103-1113.
[49]	钟味蓉, 魏雯. 基于生态安全格局的大理州国土空间生态修复关键区域识别[J]. 生态学杂志, 2024, 43(10): 3211-3222. Zhong W R, Wei W. Identification of key areas of ecological restoration of land space in Dali Prefecture based on ecological security pattern[J]. Chinese Journal of Ecology, 2024, 43(10): 3211-3222.
[50]	周颖, 冯喆, 林倩, 等. 生态安全格局中生态廊道宽度研究进展[J]. 应用生态学报, 2025, 36(3): 918-926. Zhou Y, Feng Z, Lin Q, et al. Research progress on the width of ecological corridors in ecological security pattern[J]. Chinese Journal of Applied Ecology, 2025, 36(3): 918-926.


环境科学 2026, Vol. 47 Issue (10): 7054-7069	PDF