黄河三角洲生境破碎化与生态系统服务关系

引用本文

张缤, 韩美, 孔祥伦, 马志龙. 黄河三角洲生境破碎化与生态系统服务关系[J]. 环境科学, 2026, 47(10): 7111-7125.

ZHANG Bin, HAN Mei, KONG Xiang-lun, MA Zhi-long. Exploration of the Relationship Between Habitat Fragmentation and Ecosystem Service Functions in the Yellow River Delta[J]. Environmental Science, 2026, 47(10): 7111-7125.

黄河三角洲生境破碎化与生态系统服务关系

张缤, 韩美, 孔祥伦, 马志龙

山东师范大学地理与环境学院，济南 250358

收稿日期: 2025-07-18; 修订日期: 2025-10-25

基金项目: 国家社会科学基金项目（21BGL026）

作者简介: 张缤（2001~），男，硕士研究生，主要研究方向为环境与生态统计，E-mail：2023026620@stu.sdnu.edu.cn

通信作者: 韩美, E-mail: hanmei568568@126.com

摘要: 生态系统服务关系人类福祉，其可持续供给可为区域的生态安全和可持续发展提供保障，而景观格局演变与破碎化是如何影响向人类提供的服务仍有待探究. 采用最佳景观分析尺度理论选取分析粒度与范围，以熵权法计算生境破碎化综合指数；基于InVEST模型和食物供给估算模型，统计黄河三角洲气象因子、土地利用类型、归一化植被指数和数字高程等数据，分析黄河三角洲1990~2020年碳储量、生境质量、土壤保持、产水量和粮食产量这5种重要生态系统服务功能的时空分布特征；借助时空地理加权回归模型（GTWR）对研究区的生境破碎化程度与生态系统服务功能的时空关系动态进行描述与评价. 结果表明：①研究区生境破碎化程度呈现“先减缓后加剧”的波动趋势，整体以中低程度破碎化为主，但高度和极高破碎化比例有所上升. ②生态系统服务时空分异显著，碳储量“西南高、东北低”与产水量“东南高、西北低”的分布格局凸显了自然地理基底的约束作用，而生境质量“东高北升”与粮食产量“内陆高、沿海低”则直接响应了生态保护政策与农业垦殖强度的空间梯度. ③生境破碎化对生态系统服务的影响存在显著的服务特异性与时空非平稳性. GTWR模型揭示，其对碳储量和粮食产量的影响主要表现为抑制作用，而在东部生态工程区出现的“可控破碎化”通过增强潜在景观功能连通性，对生境质量与水源涵养功能产生了正向增益，突破了“破碎化即生态退化”的单一认知. ④基于影响机制的时空异质性，研究提出了“西部控退化、东部促增益、南部防风险”的分区治理方式. 研究表明，未来的生态管理需从单一遏制转向精准引导，通过调控景观过程本身来实现区域生态系统服务的整体提升. 研究结果可为黄河三角洲以及相似区域的生态保护策略制定提供一定的科学支撑.

关键词: 生境破碎化生态系统服务（ESs）时空演变 GTWR模型分区治理黄河三角洲

Exploration of the Relationship Between Habitat Fragmentation and Ecosystem Service Functions in the Yellow River Delta

ZHANG Bin , HAN Mei , KONG Xiang-lun , MA Zhi-long

College of Geography and Environment, Shandong Normal University, Jinan 250358, China

Abstract: Ecosystem services are related to human well-being. Their sustainable supply can provide guarantees for regional ecological security and sustainable development. However, how the evolution and fragmentation of landscape patterns affect the services provided to humans remains to be explored. The optimal landscape analysis scale theory was adopted to select the analysis granularity and range, and the entropy weight method was used to calculate the comprehensive index of habitat fragmentation. Based on the InVEST model and the food supply estimation model, data such as meteorological factors, land use types, normalized vegetation index, and digital elevation in the Yellow River Delta were statistically analyzed to investigate the spatio-temporal distribution characteristics of five important ecosystem service functions, namely carbon storage, habitat quality, soil conservation, water production, and grain output, in the Yellow River Delta from 1990 to 2020. The spatio-temporal relationship dynamics between the degree of habitat fragmentation and ecosystem service functions in the study area was described and evaluated by means of the spatio-temporal geographic weighted regression model (GTWR). The results show that: ① The degree of habitat fragmentation in the study area presented a fluctuating trend of "first slowing down and then intensifying." Overall, it was mainly at a medium and low degree of fragmentation, but the proportions of high and extremely high fragmentation have increased. ② The spatio-temporal differentiation of ecosystem services was significant. The distribution pattern of carbon storage being "high in the southwest and low in the northeast" and water production being "high in the southeast and low in the northwest" highlighted the restrictive role of the natural geographical base. Meanwhile, the habitat quality being "high in the east and rising in the north" and the grain output being "high in the inland and low in the coastal areas" directly responded to the spatial gradient of ecological protection policies and agricultural reclamation intensity. ③ The impact of habitat fragmentation on ecosystem services showed significant service specificity and spatio-temporal non-stationarity. The GTWR model revealed that its impact on carbon storage and grain output was mainly manifested as an inhibitory effect. However, the "controllable fragmentation" that emerged in the eastern ecological engineering area has brought positive benefits to habitat quality and water conservation function by enhancing the connectivity of potential landscape functions, breaking through the single understanding that "fragmentation is ecological degradation." ④ Based on the spatio-temporal heterogeneity of the influence mechanism, the research has proposed a zonal governance approach of "controlling degradation in the west, promoting gain in the east, and preventing risks in the south." The research shows that future ecological management needs to shift from single containment to precise guidance, achieving an overall improvement in regional ecosystem services by regulating the landscape process itself. The research results can provide certain scientific support for the formulation of ecological protection strategies in the Yellow River Delta and similar areas.

Key words: habitat fragmentation ecosystem services(ESs) spatiotemporal evolution GTWR model zoning management Yellow River Delta

生态系统服务是指自然生态系统及其过程为人类提供的各类直接或间接惠益，包括供给、调节、文化和支持服务，以上服务既是产业绿色发展的基础，也是维持人类福祉与生态安全的根本保障^[1，2]. 简言之，它是人类从自然中获得的生存条件、资源与效益的总和，对各种自然和人为因素干扰具有较强的敏感性^[3]. 景观破碎化是影响生态系统服务的重要因素，随着气候变化与人类活动引起的景观格局变化，局部地区的生态环境发生剧变，并通过多重途径深刻影响生态系统服务的供给能力^[4]，改变了生境内包括人类在内的物种、种群和群落的生存潜力^[5]. 理解生境破碎化对生态系统服务时空演变的影响机制，对实现人与自然协调发展、促进新型城镇化和乡村振兴具有一定的理论和现实意义.

景观破碎化是指由自然或人为因素干扰使景观从简单趋于复杂的过程，是一种典型的景观格局变化. 继岛屿生物地理学奠定其理论基础后，英国地理学家Diamond于1975年首次提出“生境破碎化”概念^[6]，之后许多国外学者围绕破碎化的生态效益进行探索，相继完成了理论体系. 自20世纪80年代以来，陈庆男^[7]和傅伯杰^[8]将景观生态学概念引入国内，众多学者结合我国社会发展路径在用地开发和城市化导致的生境破碎化趋势^[9~11]、中国典型区域景观破碎化评估^[12~15]等方面开展研究. 近年来随着地理信息技术的发展，许多学者应用GIS、遥感、模型模拟等手段，进行了采用高分辨率遥感监测精细破碎化的评估研究^[16~18]、景观破碎化的时空变化特征及其驱动力机制研究^[19~21]以及景观破碎化对不同领域的影响研究^[22~25]等. 其中景观格局变化被认为是影响生态系统服务的最关键因素之一，它会显著影响各种生态系统服务的供应、流动和相互作用^[26，27]. 当前关于生境破碎化影响生态系统服务的研究仍面临若干重大挑战：首先，在分析尺度上，多数研究尺度的选择具有一定的随机性，缺乏对景观过程内在的科学界定，可能影响结果的准确性与普适性；其次，在研究方法上广泛采用静态空间模型，如地理加权回归模型（GWR）^[28]、普通最小二乘法（OLS）和空间滞后模型（SLM）^[29]等，难以刻画影响关系随时间动态演变的时空非平稳性特征；再次，在研究内容上多局限于对单一服务影响机制的评估，缺乏对区域内多种关键服务的并行比较与差异化分析. 识别生境破碎化过程对于同一区域各种生态系统服务的不同影响，有助于区域的良性管理和生态系统协同保护.

黄河三角洲作为我国重要的湿地生态区域，其生态健康与功能完整性不仅关系到区域可持续发展，更对国家生态安全、经济布局和重大战略实施具有深远影响. 随着近年来人类活动的不断扩展，尤其是农业开发、城市化进程和工业扩张，黄河三角洲的生态环境面临着较大的压力，部分地区的生境正变得复杂、异质和不连续，对研究区的生态系统服务产生了潜在的威胁^[30]. 这个过程对生态系统的功能产生了怎样具体的影响，有待分析探究. 随着黄河流域生态保护与高质量发展被确立为国家重大战略，2021年发布的《黄河流域生态保护和高质量发展规划纲要》将保护黄河三角洲作为推动黄河下游治理的重要工作，黄河三角洲地区迈入了以系统性生态保护和综合治理为核心的高质量发展新阶段. 基于此，本研究以黄河三角洲为研究区，进行以下3方面的创新性探索：①尺度精确化：基于最佳景观尺度理论，确定适合研究区生态过程的最优分析粒度，从而科学评价生境破碎化的时空变化特征，克服尺度随意性导致的统计偏差；②方法动态化：应用时空地理加权回归（GTWR）模型，替代传统的静态模型，以期更精细地解析生境破碎化与生态系统服务关系在1990~2020年间的动态演变轨迹与非平稳性特征；③内容系统化：重点开展碳储量、粮食产量和生境质量等多种关键服务的并行比较，揭示生境破碎化对不同服务的差异化影响强度与空间格局. 本研究通过上述整合框架，深化对黄河三角洲地区人地关系耦合机制的理解，对分区分类的精准生态管理提供相应的科学依据，旨在为沿海地区的生态环境可持续管理提供一定的策略参考.

1 材料与方法 1.1 研究区概况

黄河三角洲是全球典型的河口三角洲之一，受黄河泥沙携带量、流路变迁和海陆相互作用影响，其自然环境高度动态变化. 该地区拥有大面积的湿地、滨海滩涂和盐碱地，是东亚⁃澳大利亚候鸟迁徙的重要驿站，具有极高的生态价值. 由于人类活动、围垦开发、石油开采和城镇扩张等，黄河三角洲的生态环境发生了显著变化. 许多研究聚焦黄河三角洲的历史演变^[31，32]、湿地生态变化^[33~35]和滨海沼泽滩涂动态^[36，37]，但近年研究逐渐向生态功能评估、生态保护管理方向拓展. 生境破碎化的空间格局受城镇化、农业垦殖、油田开发影响，各行政区的生态压力不均，生态修复策略需要因地制宜. 如图 1所示，本文选取与近代三角洲范围较为接近的东营市4区县为研究区，即东营区、垦利区、河口区以及利津县，总面积约为7 318.25 km²，2024年初总人口达到129.37万人. 河口区拥有黄河入海口及自然保护区，是生态破碎化程度较轻、原始湿地保留较多的区域；东营区和垦利区城镇化与工业开发较快，湿地破碎化较为严重，生态功能受到影响相对较大；利津县处于黄河冲积平原与三角洲交界，农业影响较大，是农田与湿地相互作用的关键区域. 作为典型的河控型三角洲，该地区生境景观格局演化过程以及生态系统功能变化的研究可为该地区以及相似类型三角洲的区域管控提供一定借鉴.

图 1 研究区概况 Fig. 1 Overview of the research area

1.2 数据来源

本研究所用1990~2020年数据包括：①东营市矢量数据来自全国地理信息资源目录服务系统（https://www.webmap.cn/）；②1 km分辨率逐年降水量、蒸散量等气象数据、30 m分辨率土地利用数据和2000~2020年1 km分辨率归一化植被指数NDVI来源于中国科学院资源环境科学与数据中心（http://www.resdc.cn/），其中30 m土地利用类型划分了6个一级类和25个二级类；③30 m分辨率数字高程模型（DEM）数据来源于地理空间数据云（http://www.gcloud.cn/）；④1 km分辨率土壤属性数据来源于联合国粮农组织（https://www.fao.org/）；⑤根限制层深度来源于Yan等^[38]绘制的“Depth to bedrock map of China at 100 m resolution”（globalchange.bnu.edu.cn/research/cdtb.jsp）；⑥道路网络数据来源于OpenStreet-Map（https://www.openstreetmap.org/）. 以上数据均统一投影坐标系为Krasovsky_1940_Albers. 为兼顾计算效率与保留数据细节，将以上数据重采样至1 200 m，即与最佳幅度分析范围大小相同. 本研究的技术路线如图 2所示.

图 2 技术路线 Fig. 2 Technical road

1.3 生境破碎化表征指数计算

已有研究证明农田、林地、草地和水域这4种自然和半自然的土地利用类型是提供各种生态系统服务的关键^[39，40]. 有学者在探讨栖息地破碎化与生态系统服务之间的普遍规律时在理论层面^[5，41]和实验研究中^[42，43]也将它们视为统一整体进行分析. 因此在本研究中，将这4种自然和半自然土地用途组合为一种生境，裸地和建设用地则为非生境，分别对1990年、2000年、2010年和2020年的生态系统进行了评价.

1.3.1 景观指数选取

参考前人研究^[22，44~46]，本研究选取了8个景观格局指数来表征黄河三角洲生境破碎化，分别是边缘密度（edge density，ED）、平均欧几里得最近邻距离（mean Euclidean nearest-neighbor distance，ENN_MN）、斑块密度（patch density，PD）、斑块聚集指数（aggregation index，AI）、最大斑块指数（largest patch index，LPI）、景观形状指数（landscape shape index，LSI）、斑块分离度指数（splitting index，SPLIT）和面积加权形状指数（area-weighted mean shape index，AWMSI）. 以上景观指数的变化意味着研究区生境形态发生了改变，进而可能影响到区域具体的生态系统功能作用. 为了确保研究结果的可信度，本研究使用SPSS软件测试1990~2020年各种景观指数的共线性. 结果发现，每个要素的方差膨胀因子（VIF）都小于10，容差（TOL）大于0.1（表 1），表明本研究所挑选的景观破碎化评估体系没有共线性问题，均能够反映破碎化的不同维度信息.

表 1 景观格局指数含义及共线性诊断结果 Table 1 Meaning of landscape pattern index and the diagnosis results of collinearity

景观格局指数	含义	方差膨胀因子（VIF）	容差（TOL）
边缘密度(ED)	表示单位面积内某种景观中所有斑块边缘的长度，ED值越高，表明斑块边缘越多，可能意味着景观受干扰程度较大，边缘效应（如外来物种入侵、微气候变化等）更显著	1.620	0.617
平均欧几里得最近邻指数(ENN_MN)	表示每个斑块与其最近邻斑块之间的直线距离（欧几里得距离），再取所有斑块的平均值. 可衡量斑块的空间隔离程度，ENN_MN值越大，说明斑块间距离越远，景观连通性越低，越影响物种扩散和基因交流	7.088	0.141
斑块密度(PD)	表示某种景观斑块数量与景观总面积的比值，PD值越高，表明斑块数量越多，景观越破碎，可能导致生境质量下降	7.675	0.130
斑块聚集指数(AI）	表示斑块在空间上的聚集程度，AI值越高，说明同类斑块聚集程度高，景观连通性较好；AI值低则表明斑块分散，可能影响物种迁移和生态过程	9.643	0.104
最大斑块指数(LPI）	表示景观中最大斑块占景观总面积的比例（%），可反映优势斑块的规模，LPI值高说明景观由少数大型斑块主导，可能更稳定；LPI值低则表明景观破碎，核心生境较少	8.112	0.123
景观形状指数(LSI）	表示景观中所有斑块边缘长度与相同面积下标准形状边缘长度的比值，值越大，形状越复杂，可能受人类活动影响较大；LSI值低则表明斑块形状较规则	1.058	0.945
斑块分离度指数(SPLIT)	表示景观中斑块被分割的程度，值越大，表明斑块越分散. SPLIT值高说明景观高度破碎化，生境连通性差，可能影响物种分布和生态功能；值低则表明斑块较集中，连通性较好	6.872	0.146
面积加权形状指数(AWMSI）	计算所有斑块的形状指数，并按斑块面积加权平均，以反映较大斑块的形状特征. AWMSI值高说明大斑块形状复杂，可能影响内部生境质量；值低则表明大斑块形状较简单，更接近自然状态	3.937	0.254

表 1 景观格局指数含义及共线性诊断结果 Table 1 Meaning of landscape pattern index and the diagnosis results of collinearity

1.3.2 最佳尺度推绎方法

粒度分析景观指数特征时表现出尺度依赖性，分析尺度对计算结果具有较为显著的影响^[47]；移动窗口半径是生境破碎化尺度依赖性的又一个特征，分析范围过大会导致空间信息规律性的丧失，分析范围过小则可能导致忽略生境破碎化的整体特征^[48，49]. 粒度推绎时，采用ArcGIS平台重采样工具将底图转换为不同粒度的栅格数据，粒度范围设置为30~300 m，以30 m为间隔生成10幅不同粒度的土地利用栅格影像；幅度推绎时，采用移动窗口法与半变异函数相结合的方法，通过设置不同移动窗口半径，计算每个窗口内景观指数，得到相应的景观指数栅格图，然后采用半变异函数方法确定适合研究区的景观格局分析幅度. 半变异函数是地统计学中关于数据点变异值和数据点距离的函数，用于揭示变量的空间变异性. 可通过不同网格尺度景观指数的半变异函数拟合结果探寻最佳空间幅度，其计算公式为：

γ (h) = \frac{1}{2 N (h)} \sum_{i = 1}^{N (h)} {[Z (x_{i}) - Z (x_{i} + h)]}^{2}

(1)

式中，γ（h）为半变异函数；h为样本间的空间距离；Z（x_i）和Z（x_i +h）分别为变量在位置x_i和x_i +h上的值，i=1，2，…；N（h）为h时样本对的总个数.

通过GS+9.0工具分析半变异函数曲线，得到描述空间变异性结构特征的重要参数块金值（C₀）、基台值（C+C₀）、变程和偏基台值（C）等. 块金值与基台值比值即为块基比，记为C₀/（C+C₀）. C₀/（C+C₀）大小代表空间变异程度高低，其值越小，说明空间相关性越明显，也越稳定. 半变异函数的拟合模型包括球形模型、指数模型和高斯模型，其拟合选择取决于剩余平方和（RSS）和决定系数（R²）. R²越高且RSS越低，模型拟合效果越好.

1.3.3 生境破碎化综合指数

生境破碎化综合指数（habitat fragmentation，HF）的计算，本研究在确定最佳分析尺度的基础上，采用以下公式计算：

H F = \sum_{j = 1}^{m} w_{j} r_{i j}

(2)

式中，HF为生境破碎化指数；r_ij为第i个网格单元中的第j个景观指数的归一化值，在对负向指标LPI和AI进行转化后，采用极差归一化法消除各景观指数之间的幅度差异；w_j为第j个景观指数的权重，以熵权法计算. AI、ED、LPI、LSI、AWMSI、PD、ENN_MN和SPLIT这8个景观指数的权重如表 2所示. 此外，采用自然间断法将黄河三角洲景观破碎化程度划分为5个等级：极低破碎化（< 0.108）、低破碎化（0.108~0.225）、中等破碎化（0.225~0.363）、高破碎化（0.363~0.537）和极高破碎化（> 0.537）.

表 2 1990~2020年景观指数权重 Table 2 Landscape index weights from 1990 to 2020

1.4 生态系统服务评估

为评估1990~2020年黄河三角洲生态系统服务的时空分布特征与演变规律，利用InVEST模型以及食物供给估算模型，分别计算1990年、2000年、2010年以及2020年的5种服务功能，如表 3所示.

表 3 生态系统服务评估方法以及计算原理 Table 3 Evaluation methods and calculation principles of ecosystem services

生态系统服务	评估方法	计算原理
产水量（WY）	InVEST模型产水量模块	$Y_{x i} = (1 - \frac{A E T_{x i}}{P_{x}}) \times P_{x}$
产水量（WY）	InVEST模型产水量模块	式中，Y_xi表示土地利用类型为i时栅格x单元上的年产水量（mm）；P_x表示栅格x的年平均降水量（mm）；AET_xi表示实际年平均蒸散发量.
碳储量（CS）	InVEST模型碳固存模块	$C_{t o t a l} = C_{a b o v e} + C_{b e l o w} + C_{s o i l} + C_{d e a d}$
碳储量（CS）	InVEST模型碳固存模块	式中，C_total表示生态系统的碳储量，其由地上碳储量（C_above）、地下碳储量（C_below）、土壤碳储量（C_soil）和死亡有机碳储量（C_dead）这4个基本碳库组成
土壤保持(SC)	InVEST模型土壤保持模块	$S E D R E T_{i} = R K L S_{i} - U S L E_{i}$
土壤保持(SC)	InVEST模型土壤保持模块	式中，SEDRET_i为栅格i土壤保持量，RKLS_i为无管理措施土壤潜在侵蚀量，USLE_i为采取土壤保护措施后的实际侵蚀量.
生境质量（HQ）	InVEST模型生境质量模块	$Q_{x j} = H_{j} [1 - \frac{{D_{x j}}^{z}}{({D_{x j}}^{z} + k^{z})}]$
生境质量（HQ）	InVEST模型生境质量模块	式中，Q_xj和D_xj分别为生境类型j中栅格x的生境质量及所受胁迫水平；H_j为土地利用类型j的生境适合性指数；k为半饱和常数；z则为模型默认常数
粮食生产（GP）	食物供给估算模型	$G P_{i} = G_{s u m} \times \frac{N D V I_{i}}{N D V I_{s u m}}$
粮食生产（GP）	食物供给估算模型	式中，GP_i为第i个耕地栅格的粮食生产量；G_sum为区县粮食总产量；NDVI_i为第i个栅格上的NDVI值，NDVI_sum为区县耕地NDVI之和.

表 3 生态系统服务评估方法以及计算原理 Table 3 Evaluation methods and calculation principles of ecosystem services

1.5 时空地理加权回归模型（GTWR）

传统的地理加权模型没有引入时间模型，研究对象的空间坐标数据固定不变，而时空地理加权回归模型（GTWR）将时间因子加入其中，能够降低由于坐标重合引起的参数估计偏差和模型偏差^[50，51]，从而满足对复杂时空数据的分析要求，使估计结果更加准确. 因此本文使用GTWR模型描述生境破碎化对生态系统服务的具体影响规律. 其公式如下：

Y_{i} = β_{0} (u_{i}, v_{i}, t_{i}) + \sum_{k = 1}^{m} β_{k} (u_{i}, v_{i}, t_{i}) x_{i t} + ε_{i}

(3)

式中，Y_i为观测值，（u_i，v_i，t_i）为第i个观测点的时空坐标，β₀（u_i，v_i，t_i）为回归的常数项，β_k（u_i，v_i，t_i）为第i个观测点第k个变量的回归系数，m为变量总数，x_it为第k个自变量在第i个观测点的值，ε_i为第i个观测点的随机误差.

2 结果与分析 2.1 分析景观破碎化的最佳尺度 2.1.1 最佳粒度分析

在Fragstats 4.2.1中分别统计栅格地图上不同粒度的级别的景观指数，并绘制出景观指数随粒度变化的曲线，采用拐点分析法初步确定粒度的范围，如图 3所示，由于其中几乎没有显著的景观响应指数初始粒度域分布，则仍确定30 m为最佳空间分析粒度.

图 3 生境景观指数对粒度变化的响应曲线 Fig. 3 Response curve of the habitat landscape index to the variation of particle size

2.1.2 最佳幅度分析

本研究使用GS+9.0软件对不同景观指数的半变异函数进行了拟合，根据块基比的变化模式确定了最佳分析幅度. 由于最佳粒度分析结果采用原栅格像元大小，选取了300~3 000 m的10个范围水平，分析范围的间隔设置为300 m. 在对8个景观指数半变异函数RSS和R²大小进行过筛选后，选取拟合效果较好的PD、LSI、AWMSI和SPLIT进行最优范围分析（图 4）. 在这4个时期，可以看到PD拟合半变异函数的块基比稳定范围在600~1 200 m间；LSI拟合半变异函数的块基比稳定范围在900~1 500 m间；AWMSI拟合半变异函数的块基比稳定范围在900~1 500 m；SPLIT拟合半变异函数的块基比稳定范围在300~2 400 m. 当范围水平为1 200 m时，4个景观指数的拟合半变异函数的块基比在整个时期相对稳定. 因此最终确定将1 200 m确定为黄河三角洲生境破碎化分析的最佳空间范围. 通过在ArcGIS 10.8中的创建渔网工具，将研究区的土地利用图划分为1 200 m×1 200 m的正方形格网，每个正方形由不同的生境和非生境模式组成.

图 4 不同幅度下生境斑块半变异函数参数 Fig. 4 Semi-variational function parameters of habitat patches at different amplitudes

2.2 黄河三角洲生境破碎化时空变化

1990~2020年黄河三角洲生境破碎化综合指数依次为0.221 3、0.198 9、0.210 0和0.249 8，总体呈现先降低后升高趋势. 研究区的生境破碎化整体以中低水平为主，占比在75%以上；而高度破碎化和极高破碎化比例呈现上升趋势（图 5）. 高度和极高程度生境破碎化区域主要位于东营区东部、垦利区东南部、东北部以及河口区北部，利津县生境高度破碎化区域较少；低值区主要位于利津县、垦利区北部以及河口区南部. 得益于黄河口国家公园的长期建设，2010~2020年河口区东北部以及垦利区东部的高度和极高破碎化区域面积大幅减少，这是由于该地区滩涂以及沼泽地的面积增加与斑块连通性升高.

图 5 1990~2020年研究区生境破碎化程度分布状况 Fig. 5 Distribution of habitat fragmentation degree in the study area from 1990 to 2020

2.3 黄河三角洲生态系统服务的时空分布特征

1990~2020年黄河三角洲总产水量呈现先减少后增加的趋势，在空间上呈东南部和中部区域高、西北部低的分布特征（图 6）. 1990~2010年东北部地区产水量高值区不断扩张，内陆地区产水量高值区不断缩减；2010~2020年东北部地区产水量高值区缩减，内陆地区产水量高值区扩张. 土壤保持在研究时段内波动较为剧烈，总体呈现先减少再增加的波动式上升趋势；从分布格局来看，土壤保持高值区主要位于河口区的孤岛镇、仙河镇以及利津县的陈庄镇等，低值区主要位于河口区的河口镇、垦利区的黄河口镇和垦东类似乡级行政单位、东营区的黄河路街道等. 黄河三角洲碳储量总体呈现缓慢下降趋势，大部分区域碳储量分布保持稳定状态，总体呈现东北低西南高趋势，1990~2020年碳储量的核心区域主要分布在垦利区，河口区和利津区碳储量水平较为稳定，东营区的碳储量总体呈现下降趋势. 研究区生境质量在4个时段的均值分别为0.305、0.304、0.234和0.314，表明研究区生境质量呈现“先下降后上升”的趋势；生境质量的高值区主要分布在研究区的东部地区，且北部地区的生境质量在2010~2020年间快速提升，从低值区向高值区转变；而低值区总体呈现由北向南转移趋势. 1990~2020年利津县的粮食产量最多和食物供给能力最高，2020年达到3.469×10⁵ t；从整体空间尺度上看，4个时期的空间分布格局总体上相似，呈现明显的内陆高沿海低的空间分布特点，粮食供应高值区范围在2000~2020年间明显扩大，而低值区范围在2010~2020年间明显缩小，1990~2020年间总量呈现先升后降再升趋势.

图 6 1990~2020年黄河三角洲5种生态系统服务的空间分布 Fig. 6 Spatial distribution of five ecosystem services in the Yellow River Delta from 1990 to 2020

2.4 生境破碎化程度对各种生态系统服务的影响

为刻画生境破碎化与生态系统服务的空间关系，本研究需保证数据在乡镇单元上的统计完整性. 因此本研究依据“空间归属”原则，以黄河三角洲各乡域范围为基准，对1 200 m格网进行了重新归类：将中心点落在某一乡域范围内的格网，统一划归至该乡镇单元. 此举确保了生境破碎化指数统计的完整性与可靠性. 最后，以重新归类后的格网集合的质心坐标，作为该乡镇区域的空间坐标. 为验证空间非平稳性，将GTWR模型参数与GWR模型、OLS模型回归参数结果进行分析（表 4）. 综合考虑模型的拟合优度和AICc值，GTWR模型表现出更好的性能，因此本研究基于该模型的回归结果进行分析具有合理性.

表 4 模型诊断结果对比 Table 4 Comparison of model diagnosis results

如图 7所示，生境破碎化对于黄河三角洲碳储量具有负向影响，即生境破碎化程度越高，碳储量服务越低. 这主要是因为生境破碎化过程往往代表着诸如水生环境以及物种栖息地的破碎化，前者诸如人工堤坝与道路截断潮沟等状况造成植被退化使得土壤固碳能力降低^[52]，后者导致生态廊道的破坏阻碍了生物碳的流动^[53]. 从变动趋势来看，研究区整体的回归系数在研究期间内呈现波动上升的态势，从1990年的-8.24~-0.44上升至2020年的-6.20~-0.75，表明生境破碎化对碳储量的抑制作用减弱. 其中1990~2020年负向影响较大的地区主要集中在东营区西部、利津县、河口区西部区域. 从整体上看，研究区西部生境破碎化负向效应高于东部地区，说明西部地区需要进一步加强对生态环境的保护，对生境破碎化趋势进行控制，从而进一步提高黄河三角洲整体的固碳能力.

图 7 1990~2020年GTWR碳储量-生境破碎化综合指数回归系数空间分布格局 Fig. 7 Spatial distribution pattern of regression coefficients of the GTWR carbon storage-habitat fragmentation comprehensive index from 1990 to 2020

根据GTWR回归结果可知（如图 8），生境破碎化对黄河三角洲粮食产量主要为负向影响. 即生境破碎化程度越高，粮食产量越低. 这是因为生境斑块的损失可能导致土地盐渍化加剧、有机质与养分流失，从而引起土壤退化降低了粮食生产力^[54]；同时田地细碎化使得粮食播种面积下降，农业机械作业效率降低^[55]. 从变动趋势来看，研究区整体的回归系数范围从1990年的-1.73~0.15下降至2020年的-6.80~-1.31，表明生境破碎化对粮食产量的抑制作用增强. 研究时段内负向影响较大地区主要集中在研究区西部，且负向作用高值区逐渐由研究区西北部转向西南部；河口区负向作用逐渐减弱，而垦利区负向作用相对较为稳定. 利津县作为农业生产高值区，生境破碎化程度较低，而生境破碎化对粮食产量的较强负向影响，说明该地区的生境破碎化程度降低对粮食产量的提高有着较为显著的影响.

图 8 1990~2020年GTWR粮食生产-生境破碎化综合指数回归系数空间分布格局 Fig. 8 Spatial distribution pattern of regression coefficients of the GTWR grain production-habitat fragmentation comprehensive index from 1990 to 2020

根据GTWR回归结果可知（如图 9），生境破碎化对黄河三角洲生境质量的影响有正有负，且负向效应区域多于正向，但正向作用影响不断增强，正向效应区域呈扩张趋势. 这是因为近年来黄河三角洲生态工程主导的“可控破碎化”转型，例如黄河调水调沙工程通过建设渠化廊道对水系连通性进行了优化，促进区域间的物质循环流动，从而增加了栖息地的生物多样性^[56，57]；石油开采区建设狭长的的人工湿地缓冲带，将工业斑块转化为“踏脚石”栖息地，减轻了原油污染对生物生长的抑制作用，生境质量得到提升等. 从变动趋势来看，研究区整体的回归系数范围从1990年的-4.87~1.98上升至2020年的-2.62~6.33，表明生境破碎化对生境质量的抑制作用减弱. 研究时段内正向影响较大地区主要集中在河口区，且河口区、垦利区正向影响区发生扩张；负向作用影响较大地区由河口区中北部、垦利区东部向利津县南部、东营区西北部以及垦利区西南部转移. 其中1990~2020年东营区北部生境破碎化的负向作用导致生境质量一直较低，需要在建设时兼顾生态环境的保护，更多采用“可控破碎化”的转型策略.

图 9 1990~2020年GTWR生境质量-生境破碎化综合指数回归系数空间分布格局 Fig. 9 Spatial distribution pattern of the regression coefficients of the GTWR habitat quality-habitat fragmentation comprehensive index from 1990 to 2020

根据GTWR回归结果可知（如图 10），生境破碎化对于黄河三角洲土壤保持的影响有正有负，且正向区域和负向区域有相互转化的趋势. 其中负向影响是由于人工硬化地表增加了集中径流，在防护较少地区增加土壤冲刷强度，加剧水土流失^[58]；自然植被覆盖减少造成土壤的侵蚀强度增加，导致土壤保持服务下降^[59]. 正向影响则源于人类对于微地形的改造，包括人工沟渠与堤坝的固土工程^[60，61]、小斑块植被的根系网络增强土壤抗侵蚀能力^[62]. 从变动趋势来看，研究区整体的回归系数范围由1990年的-7.32~2.47转变为2020年的-1.64~1.14，表明生境破碎化对土壤保持的影响力整体减弱. 研究时段内正向影响区域主要位于利津县、东营区西南部，且影响区域扩大；负向影响区域则主要由河口区、垦利区北部向垦利区西部和利津县东部转移. 应当加强对负向影响区域的土地管理工作，并减少生境破碎化过程中人类活动对于土壤保持能力的损害.

图 10 1990~2020年GTWR土壤保持-生境破碎化综合指数回归系数空间分布格局 Fig. 10 Spatial distribution pattern of the regression coefficients of the GTWR soil conservation-habitat fragmentation comprehensive index from 1990 to 2020

根据GTWR回归结果可知（如图 11），生境破碎化对黄河三角洲产水量的影响有正有负，正向效应强于负向效应. 其中正向影响是由于道路、油井设备等人工设施导致透水面积减少，降水更快汇入河道，减少了下渗量^[63]；农业区沟渠系统加速田间积水排出，减少了内涝导致的蒸发损失^[64]等. 负向影响是由于湿地破碎化将导致土壤有机质含量下降，持水能力减弱，降水难以被植被或径流所用^[65]；破碎化生境中植被边缘比例增加，蒸发速率高于核心区^[66，67]. 从变动趋势来看，研究区整体的回归系数范围由1990年的-0.79~0.87转变为2020年的-0.97~0.86，表明生境破碎化对产水量的影响力相对稳定. 1990年和2020年负向效应呈现先削弱后增强的趋势，主要分布在研究区北部和东南部，且负向效应影响区域主要由东营区向垦利区转移. 研究时段内正向效应影响区域主要由垦利区东部、利津县向垦利区西南部、东营区西部以及利津县转移，总体重心位置由东北向西南方移动. 负向影响地区需要进一步加强对生境破碎化趋势进行控制，可以通过优化农业排水系统、建设雨水回灌设施，改善盐渍化土壤、种植低耗水原生植物等手段改善黄河三角洲整体的涵养水源能力.

图 11 1990~2020年GTWR产水量-生境破碎化综合指数回归系数空间分布格局 Fig. 11 Spatial distribution pattern of the regression coefficient of the GTWR water production-habitat fragmentation comprehensive index from 1990 to 2020

3 讨论 3.1 生境破碎化与生态系统服务关系的时空异质性

本研究采用GTWR模型，揭示了黄河三角洲生境破碎化与生态系统服务之间复杂的、非平稳的时空关系，相较于传统全局回归模型，提供了更为细致的分析视角. 研究结果表明，二者之间的关系并非恒定，其作用与强度在空间上呈现异质性，在时间上表现出动态演化的特征. 这一发现提示，对于黄河三角洲这类受自然演化与人类活动强烈交互作用的区域，破碎化发生的时间与地点至关重要.

本文的一个关键发现是，生境破碎化的生态效益因生态系统服务类型和本地情景而异. 对于碳储量和粮食生产等供给服务，破碎化主要表现为负面效应，尤其是在以农业和城镇用地为主导的西部区域（东营区西部、利津县）. 这一结果与该区域由建设用地扩张和农田细碎化所驱动的生境流失过程相符^[68]，其过程直接破坏了植被碳库的载体并可能损害了农业生产的规模效益^[69]. GTWR结果显示粮食产量的负向系数绝对值增加，表明该负面效应在研究时段内可能有所加剧. 对于生境质量、土壤保持和产水量等调节服务，破碎化的效应则呈现双向性，这种双向性可能源于不同的驱动机制. 生境质量代表了生态系统的生物多样性维持能力，其受到自然环境因素和人类活动的干扰，许多研究表明生境破碎化过程对生境质量具有显著的负面影响^[70，71]. 由于破碎化伴随的斑块面积减少和斑块间可达性下降，生物栖息地锐减、物种迁移流动受阻，生物多样性随之降低；但由于黄河三角洲受到人为影响作用较强，增加了生境斑块间的潜在连通性，使得破碎化的正向影响作用逐渐增加. 生境破碎化代表了多种复杂过程，例如植被覆盖细碎化导致截留能力减弱，地表裸露度上升增加了地表径流强度，一定程度上加剧了水土流失；破碎化过程中三角洲自然形成的潮沟网络与人工沟渠堤坝等降低水流速度、增加沉积物拦截，又提高了土壤保持能力，导致影响机制的复杂性. 生境破碎化程度提高常常伴随着建设用地面积增加，不透水面增加，地表径流上升将促进产水量上升；也有研究认为植被减少会同时影响地表水的入渗和蒸发^[72]，水分入渗的减少提高了产水量，而蒸发的增加又抑制其增长，因而对不同区域的影响作用存在不确定性^[73，74]. 本研究结果显示，正向效应显著且范围扩大的区域（如河口区东北部、垦利区东部），与黄河调水调沙工程、黄河口国家公园建设等重大生态工程的实施范围在空间上具有较高一致性. 这支持了一种假设：即由生态工程引导的景观结构化过程，例如建设生态廊道与人工湿地缓冲带，可以重塑景观格局，并可能同时增强其生物多样性、水土保持和水源涵养等调节功能. 这与无序开发导致的生境退化过程在效应上形成了对比.

3.2 对生态保护与区域管理的启示

黄河三角洲作为国家黄河流域生态保护和高质量发展战略的核心生态斑块，是践行生态文明理念和实现区域可持续发展的重要示范区. 从生态构成上看，区内湿地生态系统广泛分布，主要位于河口区东部和南部、垦利区东北部、利津县东部以及现行黄河流路沿岸区域. 此外，该地区还拥有黄河口国家级自然保护区这一关键节点，具有极高的生物多样性保护价值与生态脆弱性. 在未来区域发展规划中，应统筹协调生态保护与经济发展之间的关系，其重点在于实施生态优先导向的空间管控，科学划定生态保护红线和城镇开发边界，推动土地集约节约利用，优化国土空间格局，实现绿色低碳发展^[75].

本研究的结果为黄河三角洲差异化生态管理提供了空间显性依据. 基于GTWR模型所识别的空间格局，建议考虑分区分类的调控策略. 对于西部核心调控区（利津县北部和东营市西北部），需要重点缓解“退化型破碎”对供给服务的压力. 该区域是碳储量和粮食产量负效应的集中区. 管理策略可侧重于源头控制，例如规范建设用地的扩张，并通过土地整治促进农田集中连片，以减缓生境斑块的“面积缩减”与“边缘化”进程. 生态建设的重点可聚焦修复关键生态廊道，以增强残留生境斑块之间的连通性^[76，77]. 对于东部转型与修复区（河口区东部、垦利区北部和东营区东部），需要进一步探索“功能化破碎”以提升调节服务. 该区域是生态工程效益显现的潜在核心区. 管理策略可着眼于引导和优化人类活动，总结并推广该区域“渠化廊道优化水系连通性”、“人工湿地缓冲带”等成功模式，将人类基础设施进行生态化改造，并将其系统性纳入区域生态网络规划，可能有助于持续提升生态效益. 在土壤保持负效应区，可重点实施植被恢复工程. 对于南部协同提升区（利津县南部和东营区西南部），需要优化水资源管理，利用产水量增加的正向效应，同时要建设雨水回灌设施、增加地面透水能力，促进水资源下渗补给. 该区域产水过程可能与盐分运移有关，需完善排水系统、种植耐盐碱植物，防控土壤次生盐碱化风险^[78]. 生境破碎化对各类服务的影响强度随时间存在波动，因此管理政策需具备适应性. 建立基于遥感与模型模拟的长期监控体系，定期评估关键区域的破碎化态势及其生态后果，将有助于实现管理措施的精准调控.

3.3 研究局限与展望

本研究存在一些局限性，需要在未来的研究中继续开展工作. 首先，本研究采用了一个综合生境破碎化指数来反映整体格局，未能分别解析斑块密度、景观形状指数、斑块分离度等不同破碎化维度的独立贡献与交互效应. 未来研究可借助其他统计模型，深入解析不同破碎化过程的驱动机制. 其次，对“用地变化-破碎化-生态系统服务”链的因果关系论证可进一步深化. 本研究主要揭示了破碎化与服务的时空关联，若未来能结合历史土地利用变更数据，定量回溯导致高度破碎化的具体用地转型类型，将能够为土地用途管制提供更直接的依据. 最后，未来的工作可尝试纳入更多类型的生态系统服务，如授粉、害虫控制和文化调节等，并在一系列连续尺度上进行分析，以检验本研究结论的稳健性，为不同层级的规划提供相应尺度的科学支撑.

4 结论

（1）1990~2020年研究区生境破碎化程度总体呈现先降低后升高的趋势，研究区整体以中低程度生境破碎化为主，高度和极高破碎化比例呈现上升趋势. 高值区主要位于东营区东部、垦利区东南部、东北部以及河口区北部，利津县生境高度破碎化区域较少；低值区主要位于垦利区北部以及河口区东部.

（2）1990~2020年，研究区5种生态系统服务具有显著的时空异质性. 产水量、生境质量和土壤保持整体均呈现先下降后上升趋势，碳储量整体呈下降趋势，粮食生产呈先增加后减少再增加的波动上升趋势. 研究区产水量呈现西北低、东南高的分布格局，碳储量呈现东北低、西南高的分布格局，土壤保持表现为中南部高、东北与西北低的分布格局，生境质量呈现东高且北升的格局，粮食产量则呈现内陆高、沿海低的分布格局.

（3）基于GTWR模型揭示，生境破碎化对黄河三角洲的生态系统服务影响存在显著的时空非平稳性，其影响方向和强度因服务类型与空间区位而异. 生境破碎化对产水量、土壤保持和生境质量的影响表现为正负效应并存，其中对产水量大多呈现正向促进作用；而对碳储量、粮食产量则主要表现为负向抑制. 这种空间异质性揭示了不同人类活动模式的差异性影响：西部农业主导区的破碎化主要导致碳汇与农业生产功能下降，凸显了生态保护与农业发展间的权衡关系；而东部生态工程区出现的“可控破碎化”则展现出提升生境质量与水文调节功能的能力，为生态修复提供了新范式.

（4）提出分区协同治理的建议：①西部核心调控区（利津县北部和东营区西北部）应推广生态农业，修复生态廊道，严格限制导致负向破碎化的建设用地扩张，以保障碳汇与粮食生产安全. ②东部转型与修复区（河口区东部、垦利区北部和东营区东部）应推广“正向破碎化”模式，巩固并扩大生态工程在提升生境质量方面的正向效益. ③南部协同提升区（东营区西南部和利津县南部）需优化水资源管理，在利用产水量增加效益的同时，通过建设回灌设施防控盐渍化风险，提升综合水源涵养能力. 未来，黄河三角洲的生态管理需从单一遏制破碎化过程，转向通过空间精准施策来调控其过程，引导破碎化向增强生态系统服务功能的“可控”方向转型，最终实现区域生态系统功能的整体提升.

参考文献

[1]	周杰, 杨洁, 张文柳. 甘南州生态系统服务时空变化及权衡协同关系[J]. 环境科学, 2025, 46(4): 2398-2409. Zhou J, Yang J, Zhang W L. Spatiotemporal variation and trade-off synergistic relationship of ecosystem services in Gannan Prefecture[J]. Environmental Science, 2025, 46(4): 2398-2409. DOI:10.13227/j.hjkx.202403255
[2]	Yang Y, Yuan X F, An J J, et al. Drivers of ecosystem services and their trade-offs and synergies in different land use policy zones of Shaanxi Province, China[J]. Journal of Cleaner Production, 2024, 452. DOI:10.1016/j.jclepro.2024.142077
[3]	高小源, 龙芊芊. 基于InVEST模型的年楚河流域生态系统格局与水源涵养服务关系研究[J]. 地球科学进展, 2025, 40(3): 228-242. Gao X Y, Long Q Q. Relationship between ecosystem patterns and water conservation services in the Nianchu River Basin based on the InVEST model[J]. Advances in Earth Science, 2025, 40(3): 228-242.
[4]	Mitchell M G E, Suarez-Castro A F, Martinez-Harms M, et al. Reframing landscape fragmentation's effects on ecosystem services[J]. Trends in Ecology & Evolution, 2015, 30(4): 190-198.
[5]	Xu J L, Ling Y, Sun Y Y, et al. How do different processes of habitat fragmentation affect habitat quality? - Evidence from China[J]. Ecological Indicators, 2024, 160. DOI:10.1016/j.ecolind.2024.111880
[6]	Diamond J M. The island dilemma: lessons of modern biogeographic studies for the design of natural reserves[J]. Biological Conservation, 1975, 7(2): 129-146. DOI:10.1016/0006-3207(75)90052-X
[7]	陈庆男. 发展中的景观生态学──景观生态学简介[J]. 天津师范大学学报(自然科学版), 1994, 14(1): 68-72. Chen Q N. Landscape ecology under development──a brief introduction to landscape ecology[J]. Journal of Tianjin Normal University (Natural Science Edition), 1994, 14(1): 68-72.
[8]	傅伯杰. 地理学的新领域——景观生态学[J]. 生态学杂志, 1983(4): 60-7.
[9]	张敏, 邹发生, 梁冠峰, 等. 澳门地区鸟类生境的景观格局[J]. 生态学杂志, 2009, 28(3): 483-489. Zhang M, Zou F S, Liang G F, et al. Landscape pattern of avian habitats in Macau[J]. Chinese Journal of Ecology, 2009, 28(3): 483-489.
[10]	薛亚东, 李佳, 李迪强. 近40年野骆驼历史分布区土地利用变化及生境破碎化驱动因素[J]. 生态学报, 2021, 41(20): 7965-7973. Xue Y D, Li J, Li D Q. Land use change and roadway-induced fragmentation in the historical distribution range of wild camel in the past 40 years[J]. Acta Ecologica Sinica, 2021, 41(20): 7965-7973.
[11]	付刚, 肖能文, 乔梦萍, 等. 北京市近二十年景观破碎化格局的时空变化[J]. 生态学报, 2017, 37(8): 2551-2562. Fu G, Xiao N W, Qiao M P, et al. Spatial-temporal changes of landscape fragmentation patterns in Beijing in the last two decades[J]. Acta Ecologica Sinica, 2017, 37(8): 2551-2562.
[12]	高江波, 蔡运龙. 区域景观破碎化的多尺度空间变异研究——以贵州省乌江流域为例[J]. 地理科学, 2010, 30(5): 742-747. Gao J B, Cai Y L. Spatial heterogeneity of landscape ragmentation at multi-scales——a case study in Wujang River Basin, Guizhou Province, China[J]. Scientia Geographica Sinica, 2010, 30(5): 742-747.
[13]	李正国, 王仰麟, 张小飞. 陕北黄土高原景观破碎化及其土壤裸露效应[J]. 生态学报, 2005, 25(3): 421-427. Li Z G, Wang Y L, Zhang X F. Landscape fragmentation and soil bareness study in north Shaanbei Loess Plateau[J]. Acta Ecologica Sinica, 2005, 25(3): 421-427.
[14]	刘红玉, 吕宪国, 张世奎, 等. 三江平原流域湿地景观破碎化过程研究[J]. 应用生态学报, 2005, 16(2): 289-295. Liu H Y, Lü X G, Zhang S K, et al. Fragmentation process of wetland landscape in watersheds of Sanjiang Plain, China[J]. Chinese Journal of Applied Ecology, 2005, 16(2): 289-295.
[15]	王宪礼, 布仁仓, 胡远满, 等. 辽河三角洲湿地的景观破碎化分析[J]. 应用生态学报, 1996, 7(3): 299-304. Wang X L, Bu R C, Hu Y M, et al. Analysis on landscape fragment of Liaohe delta wetlands[J]. Chinese Journal of Applied Ecology, 1996, 7(3): 299-304.
[16]	温小乐, 赵林洪. 基于高分辨率遥感影像的平潭综合实验区景观格局分析[J]. 福州大学学报(自然科学版), 2018, 46(3): 360-365. Wen X L, Zhao L H. Landscape pattern analysis of Pingtan Comprehensive Experimental Zone based on high spatial resolution remote sensing imagery[J]. Journal of Fuzhou University (Natural Science Edition), 2018, 46(3): 360-365.
[17]	雷一鸣, 陈曦, 杨辽, 等. 基于Worldview-2的乌鲁木齐城区绿地空间格局分析[J]. 干旱区研究, 2015, 32(6): 1233-1239. Lei Y M, Chen X, Yang L, et al. Analysis of green space landscape pattern in Urumqi based on Worldview-2[J]. Arid Zone Research, 2015, 32(6): 1233-1239.
[18]	魏彦昌, 吴炳方, 张喜旺, 等. 基于高分辨率影像的景观格局定量分析[J]. 国土资源遥感, 2009(2): 76-81, 86. Wei Y C, Wu B F, Zhang X W, et al. A quantitative analysis of the landscape pattern based on high resolution satellite images[J]. Remote Sensing for Land & Resources, 2009(2): 76-81, 86.
[19]	刘世梁, 刘琦, 王聪, 等. 基于地理加权回归的漫湾库区景观破碎化及影响因子分析[J]. 地理科学, 2014, 34(7): 856-862. Liu S L, Liu Q, Wang C, et al. Landscape fragmentation and affecting factors of Manwan Reservoir based on geographically weighted regression[J]. Scientia Geographica Sinica, 2014, 34(7): 856-862.
[20]	Xue J, Gui D W, Zeng F J, et al. Assessing landscape fragmentation in a desert-oasis region of Northwest China: patterns, driving forces, and policy implications for future land consolidation[J]. Environmental Monitoring and Assessment, 2022, 194(6). DOI:10.1007/s10661-022-10038-3
[21]	Gu T C, Chen W X, Liang J L, et al. Identifying the driving forces of cultivated land fragmentation in China[J]. Environmental Science and Pollution Research, 2023, 30(48): 105275-105292. DOI:10.1007/s11356-023-29797-8
[22]	闫晓露, 武帅, 吴雪雪, 等. 海岸带景观破碎化对固碳服务流的影响[J]. 地理学报, 2024, 79(1): 114-133. Yan X L, Wu S, Wu X X, et al. Impacts of landscape fragmentation of coastal zone on carbon sequestration service flow[J]. Acta Geographica Sinica, 2024, 79(1): 114-133.
[23]	管超毅, 陈智, 黄乘明, 等. 广西黑叶猴栖息地景观格局破碎化分析及其对种群的影响[J]. 生态学报, 2022, 42(3): 1203-1212. Guan C Y, Chen Z, Huang C M, et al. Analysis of fragmentation in landscape pattern for the François' langur's habitats in Guangxi and its influence on population[J]. Acta Ecologica Sinica, 2022, 42(3): 1203-1212.
[24]	Li B, Ouyang H, Wang T, et al. Coupling relationship between rural settlement patterns and landscape fragmentation in woodlands and biological reserves—a case of Nanshan National Park[J]. Land, 2023, 12(4). DOI:10.3390/land12040741
[25]	Yan Y Z, Jarvie S, Zhang Q. Habitat loss weakens the positive relationship between grassland plant richness and above-ground biomass[J]. eLife, 2024, 12. DOI:10.7554/eLife.91193
[26]	Pickard B R, Van Berkel D, Petrasova A, et al. Forecasts of urbanization scenarios reveal trade-offs between landscape change and ecosystem services[J]. Landscape Ecology, 2017, 32(3): 617-634. DOI:10.1007/s10980-016-0465-8
[27]	Yohannes H, Soromessa T, Argaw M, et al. Impact of landscape pattern changes on hydrological ecosystem services in the Beressa watershed of the Blue Nile Basin in Ethiopia[J]. Science of the Total Environment, 2021, 793. DOI:10.1016/j.scitotenv.2021.148559
[28]	Zhu C M, Zhang X L, Zhou M M, et al. Impacts of urbanization and landscape pattern on habitat quality using OLS and GWR models in Hangzhou, China[J]. Ecological Indicators, 2020, 117. DOI:10.1016/j.ecolind.2020.106654
[29]	Xie X Q, Wang X K, Wang Z F, et al. Influence of landscape pattern evolution on soil conservation in a red soil hilly watershed of southern China[J]. Sustainability, 2023, 15(2). DOI:10.3390/su15021612
[30]	凌越, 于君宝, 杨继松, 等. 1991—2021年现代黄河三角洲土地利用/覆被时空变化及其对人类活动强度的响应[J]. 生态学杂志, 2023, 42(10): 2384-2393. Ling Y, Yu J B, Yang J S, et al. Spatial-temporal variations of land use/cover and its responses to human activity intensity in the Modern Yellow River Delta during 1991-2021[J]. Chinese Journal of Ecology, 2023, 42(10): 2384-2393.
[31]	王永丽, 于君宝, 董洪芳, 等. 黄河三角洲滨海湿地的景观格局空间演变分析[J]. 地理科学, 2012, 32(6): 717-724. Wang Y L, Yu J B, Dong H F, et al. Spatial evolution of landscape pattern of coastal wetlands in Yellow River Delta[J]. Scientia Geographica Sinica, 2012, 32(6): 717-724.
[32]	彭俊, 陈沈良. 近60年黄河水沙变化过程及其对三角洲的影响[J]. 地理学报, 2009, 64(11): 1353-1362. Peng J, Chen S L. The variation process of water and sediment and its effect on the Yellow River Delta over the six decades[J]. Acta Geographica Sinica, 2009, 64(11): 1353-1362.
[33]	宋创业, 胡慧霞, 黄欢, 等. 黄河三角洲人工恢复芦苇湿地生态系统健康评价[J]. 生态学报, 2016, 36(9): 2705-2714. Song C Y, Hu H X, Huang H, et al. Assessing the health of rehabilitated reed wetland ecosystem in the Yellow River Delta[J]. Acta Ecologica Sinica, 2016, 36(9): 2705-2714.
[34]	李玉, 康晓明, 郝彦宾, 等. 黄河三角洲芦苇湿地生态系统碳、水热通量特征[J]. 生态学报, 2014, 34(15): 4400-4411. Li Y, Kang X M, Hao Y B, et al. Carbon, water and heat fluxes of a reed (Phragmites australis) wetland in the Yellow River Delta, China[J]. Acta Ecologica Sinica, 2014, 34(15): 4400-4411.
[35]	管博, 于君宝, 陆兆华, 等. 黄河三角洲重度退化滨海湿地盐地碱蓬的生态修复效果[J]. 生态学报, 2011, 31(17): 4835-4840. Guan B, Yu J B, Lu Z H, et al. The ecological effects of Suaeda salsa on repairing heavily degraded coastal saline-alkaline wetlands in the Yellow River Delta[J]. Acta Ecologica Sinica, 2011, 31(17): 4835-4840.
[36]	于淼, 栗云召, 屈凡柱, 等. 黄河三角洲滨海湿地退化过程的时空变化及预测分析[J]. 农业资源与环境学报, 2020, 37(4): 484-492. Yu M, Li Y Z, Qu F Z, et al. Spatio-temporal changes and trend prediction of degraded coastal wetlands in the Yellow River Delta[J]. Journal of Agricultural Resources and Environment, 2020, 37(4): 484-492.
[37]	刘康, 闫家国, 邹雨璇, 等. 黄河三角洲盐地碱蓬盐沼的时空分布动态[J]. 湿地科学, 2015, 13(6): 696-701. Liu K, Yan J G, Zou Y X, et al. Dynamics of spatial and temporal distribution of Suaeda salsa salt marshes in the Yellow River Delta[J]. Wetland Science, 2015, 13(6): 696-701.
[38]	Yan F P, Wei S G, Zhang J, et al. Depth-to-bedrock map of China at a spatial resolution of 100 meters[J]. Scientific Data, 2020, 7(1). DOI:10.1038/s41597-019-0345-6
[39]	Islam M, Deb G P, Rahman M. Forest fragmentation reduced carbon storage in a moist tropical forest in Bangladesh: implications for policy development[J]. Land Use Policy, 2017, 65: 15-25. DOI:10.1016/j.landusepol.2017.03.025
[40]	Xia H J, Kong W J, Zhou G, et al. Impacts of landscape patterns on water-related ecosystem services under natural restoration in Liaohe River Reserve, China[J]. Science of the Total Environment, 2021, 792. DOI:10.1016/j.scitotenv.2021.14829
[41]	Fahrig L. Ecological responses to habitat fragmentation per se[J]. Annual Review of Ecology, Evolution, and Systematics, 2017, 48(1): 1-23. DOI:10.1146/annurev-ecolsys-110316-022612
[42]	Hou Y Z, Zhao W W, Liu Y X, et al. Relationships of multiple landscape services and their influencing factors on the Qinghai-Tibet Plateau[J]. Landscape Ecology, 2021, 36(7): 1987-2005. DOI:10.1007/s10980-020-01140-3
[43]	Liu Y X, Li T, Zhao W W, et al. Landscape functional zoning at a county level based on ecosystem services bundle: methods comparison and management indication[J]. Journal of Environmental Management, 2019, 249. DOI:10.1016/j.jenvman.2019.109315
[44]	梁加乐, 陈万旭, 李江风, 等. 黄河流域景观破碎化时空特征及其成因探测[J]. 生态学报, 2022, 42(5): 1993-2009. Liang J L, Chen W X, Li J F, et al. Spatiotemporal patterns of landscape fragmentation and causes in the Yellow River Basin[J]. Acta Ecologica Sinica, 2022, 42(5): 1993-2009.
[45]	Li D H, Yang Y X, Xia F, et al. Exploring the influences of different processes of habitat fragmentation on ecosystem services[J]. Landscape and Urban Planning, 2022, 227. DOI:10.1016/j.landurbplan.2022.104544
[46]	Kong X L, Kong F B, Li Y L, et al. Assessment of coastal landscape fragmentation and its driving factors based on optimal scale: a case study of the Yellow River Delta, China[J]. Ecological Indicators, 2024, 166. DOI:10.1016/j.ecolind.2024.112537
[47]	周冬梅, 陈存友, 王明佳, 等. 基于最佳尺度的城市生态空间景观格局梯度和方向分异特征: 以长沙市为例[J]. 生态与农村环境学报, 2022, 38(5): 566-577. Zhou D M, Chen C Y, Wang M J, et al. Gradient and directional differentiation in landscape pattern characteristics of urban ecological space based on optimal spatial scale: a case study in Changsha City, China[J]. Journal of Ecology and Rural Environment, 2022, 38(5): 566-577.
[48]	王博, 舒晓波, 廖富强, 等. 基于最佳景观尺度的鄱阳湖区土地利用冲突时空演变及多情景模拟[J]. 水土保持研究, 2024, 31(4): 336-347. Wang B, Shu X B, Liao F Q, et al. Spatitemporal of land use conflicts and multi-scenario simulation in Poyang Lake area based on optimal landscape scale[J]. Research of Soil and Water Conservation, 2024, 31(4): 336-347.
[49]	付扬军, 师学义, 和娟. 汾河流域景观破碎化时空演变特征[J]. 自然资源学报, 2019, 34(8): 1606-1619. Fu Y J, Shi X Y, He J. The spatio-temporal evolution characteristics of landscape fragmentation in Fenhe River Basin[J]. Journal of Natural Resources, 2019, 34(8): 1606-1619.
[50]	孙裔煜, 高静, 仝德, 等. 基于GTWR的广东省乡村聚落规模时空演变研究[J]. 地理科学, 2023, 43(7): 1249-1258. Sun Y Y, Gao J, Tong D, et al. Spatio-temporal evolution characteristics and influencing factors of rural settlements in Guangdong Province based on GTWR model[J]. Scientia Geographica Sinica, 2023, 43(7): 1249-1258.
[51]	郭付友, 李睿, 尹鹏, 等. 基于GTWR模型的黄河流域城乡融合发展时空分异与驱动机制[J]. 地理科学, 2024, 44(12): 2166-2175. Guo F Y, Li R, Yin P, et al. Spatio-temporal differentiation and driving mechanism of urban-rural integrated development in the Yellow River Basin based on GTWR model[J]. Scientia Geographica Sinica, 2024, 44(12): 2166-2175.
[52]	Yu X J, Zhang Z S, Xue Z S, et al. Effects of tidal channels and roads on landscape dynamic distribution in the Yellow River Delta, China[J]. Chinese Geographical Science, 2020, 30(1): 170-179. DOI:10.1007/s11769-020-1103-6
[53]	Gao J, Gong J, Li Y, et al. Ecological network assessment in dynamic landscapes: multi-scenario simulation and conservation priority analysis[J]. Land Use Policy, 2024, 139. DOI:10.1016/j.landusepol.2024.107059
[54]	李晓文, 肖笃宁, 胡远满. 辽河三角洲滨海湿地景观规划各预案对指示物种生境适宜性的影响[J]. 生态学报, 2001, 21(4): 550-560. Li X W, Xiao D N, Hu Y M. The effects of different land-use scenarios on habitat suitability of indicator species in the Liaohe River Delta wetlands[J]. Acta Ecologica Sinica, 2001, 21(4): 550-560.
[55]	陈帷胜, 冯秀丽, 马仁锋, 等. 耕地破碎度评价方法与实证研究——以浙江省宁波市为例[J]. 中国土地科学, 2016, 30(5): 80-87. Chen W S, Feng X L, Ma R F, et al. Method of cultivated land fragmentation evaluation and empirical research: a case of Ningbo City in Zhejiang Province[J]. China Land Science, 2016, 30(5): 80-87.
[56]	丛旭日, 李秀启, 董贯仓, 等. 调水调沙影响下黄河山东段鱼类群落格局及多样性[J]. 水生生物学报, 2024, 48(6): 889-897. Cong X R, Li X Q, Dong G C, et al. Fish community pattern and diversity affected by water and sediment regulation in Shandong section of the Yellow River[J]. Acta Hydrobiologica Sinica, 2024, 48(6): 889-897.
[57]	杨艳艳, 朱明明, 宋泉清, 等. 黄河调水调沙对河口及邻近海域鱼卵、仔稚鱼群落结构的影响[J]. 水生生物学报, 2024, 48(3): 488-503. Yang Y Y, Zhu M M, Song Q Q, et al. The water-sediment regulation scheme on the community structure of ichthyoplankton in the yellow river estuary[J]. Acta Hydrobiologica Sinica, 2024, 48(3): 488-503.
[58]	李嘉媛, 刘露露, 杨斌, 等. 西双版纳热带季节雨林土壤含水量的时空格局及其与降水的关联[J]. 生态学杂志, 2024, 43(11): 3341-3349. Li J Y, Liu L L, Yang B, et al. Spatial-temporal pattern of soil water content and its response to precipitation in a tropical seasonal rain-forest in Xishuangbanna[J]. Chinese Journal of Ecology, 2024, 43(11): 3341-3349.
[59]	王丹丹, 张建军, 茹豪, 等. 晋西黄土高原不同地类土壤抗冲性研究[J]. 水土保持学报, 2013, 27(3): 28-32, 38. Wang D D, Zhang J J, Ru H, et al. Soil erosion resistance of different land uses in Loess Plateau of western Shanxi Province[J]. Journal of Soil and Water Conservation, 2013, 27(3): 28-32, 38.
[60]	Stavi I, Yizhaq H, Szitenberg A, et al. Patch-scale to hillslope-scale geodiversity alleviates susceptibility of dryland ecosystems to climate change: insights from the Israeli Negev[J]. Current Opinion in Environmental Sustainability, 2021, 50: 129-137. DOI:10.1016/j.cosust.2021.03.009
[61]	杨娅双, 王金满, 万德鹏. 人工堆垫地貌微地形改造及其水土保持效果研究进展[J]. 生态学杂志, 2018, 37(2): 569-579. Yang Y S, Wang J M, Wan D P. Micro-topography modification and its effects on the conservation of soil and water in artificially piled landform area: a review[J]. Chinese Journal of Ecology, 2018, 37(2): 569-579.
[62]	娄义宝, 康宏亮, 王文龙, 等. 黄土高原沟壑区沟头植被根系垂直分布及其对土壤抗侵蚀性的影响[J]. 中国农业科学, 2023, 56(1): 90-103. Lou Y B, Kang H L, Wang W L, et al. Vertical distribution of vegetation roots and its influence on soil erosion resistance of gully heads on the gullied Loess Plateau[J]. Scientia Agricultura Sinica, 2023, 56(1): 90-103.
[63]	史东梅, 蒋光毅, 彭旭东, 等. 城镇化人为扰动下垫面类型影响水源涵养功能的评价[J]. 农业工程学报, 2017, 33(22): 92-102. Shi D M, Jiang G Y, Peng X D, et al. Evaluation on impact of artificial disturbed underlying surfaces on water retention function during urbanization process[J]. Transactions of the Chinese Society of Agricultural Engineering, 2017, 33(22): 92-102.
[64]	Jiang W Y, Liu B, Peng X K, et al. Groundwater response to water diversion and surface-water management scenarios in the Yellow River Delta wetland reserve, China[J]. Hydrogeology Journal, 2023, 31(7): 1829-1846. DOI:10.1007/s10040-023-02664-z
[65]	王梦梦, 张丽华, 当知才让, 等. 高寒湿地退化对植物群落特征与土壤特性的影响[J]. 生态学报, 2023, 43(19): 7910-7923. Wang M M, Zhang L H, Dangzhi C R, et al. Effects of alpine wetland degradation on plant community characteristics and soil properties[J]. Acta Ecologica Sinica, 2023, 43(19): 7910-7923.
[66]	Zhang W, Zhang J L. Fragmented patch patterns accelerate evapotranspiration: implications for alpine meadow restoration[J]. Ecological Indicators, 2025, 177. DOI:10.1016/j.ecolind.2025.113809
[67]	Ma X F, Zhao C Y, Tao H, et al. Projections of actual evapotranspiration under the 1.5 ℃ and 2.0 ℃ global warming scenarios in sandy areas in northern China[J]. Science of the Total Environment, 2018, 645: 1496-1508. DOI:10.1016/j.scitotenv.2018.07.253
[68]	Wang Z K, Liu X L, Zhang S P, et al. Multi-scenario land use and carbon storage assessment in the Yellow River Delta under climate change and resource development[J]. Remote Sensing, 2025, 17(9). DOI:10.3390/rs17091603
[69]	Yang X Y, Wang C J, Liu C, et al. Assessing the spatio evolution of carbon sequestration and optimizing ecological restoration strategies using the InVEST model: a case study of the Yellow River Estuary, China[J]. Marine Environmental Research, 2025, 209. DOI:10.1016/j.marenvres.2025.107204
[70]	Zheng L, Wang Y, Li J F. Quantifying the spatial impact of landscape fragmentation on habitat quality: a multi-temporal dimensional comparison between the Yangtze River Economic Belt and Yellow River Basin of China[J]. Land Use Policy, 2023, 125. DOI:10.1016/j.landusepol.2022.106463
[71]	Pu J, Shen A R, Liu C X, et al. Impacts of ecological land fragmentation on habitat quality in the Taihu Lake basin in Jiangsu Province, China[J]. Ecological Indicators, 2024, 158. DOI:10.1016/j.ecolind.2024.111611
[72]	李莹, 黄岁樑. 滦河流域景观格局变化对水沙过程的影响[J]. 生态学报, 2017, 37(7): 2463-2475. Li Y, Huang S L. Effects of landscape pattern change on flow and sediment processes in the Luanhe River Basin[J]. Acta Ecologica Sinica, 2017, 37(7): 2463-2475.
[73]	Keleş S. An assessment of hydrological functions of forest ecosystems to support sustainable forest management[J]. Journal of Sustainable Forestry, 2019, 38(4): 305-326. DOI:10.1080/10549811.2018.1547879
[74]	Picchio R, Jourgholami M, Zenner E K. Effects of forest harvesting on water and sediment yields: a review toward better mitigation and rehabilitation strategies[J]. Current Forestry Reports, 2021, 7(4): 214-229. DOI:10.1007/s40725-021-00146-7
[75]	Cheng Z H, Li X, Zhang Q. Can new-type urbanization promote the green intensive use of land?[J]. Journal of Environmental Management, 2023, 342. DOI:10.1016/j.jenvman.2023.118150
[76]	Zeng W T, He Z W, Bai W Q, et al. Identification of ecological security patterns of alpine wetland grasslands based on landscape ecological risks: a study in Zoigê County[J]. Science of the Total Environment, 2024, 928. DOI:10.1016/j.scitotenv.2024.172302
[77]	Xu X L, Wang S Y, Rong W Z. Construction of ecological network in Suzhou based on the PLUS and MSPA models[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecolind.2023.110740
[78]	Han X D, Qian Y Z, Yang W, et al. Evaluation and application of a multi-scale numerical model for determining subsurface drainage system design criteria in arid agriculture areas[J]. Catena, 2025, 248. DOI:10.1016/j.catena.2024.108568


环境科学 2026, Vol. 47 Issue (10): 7111-7125	PDF