2026, Vol. 47
2. 河北农业大学乡土文化与乡村治理研究中心，保定 071000;
3. 河北农业大学资源与环境科学学院，省部共建华北作物改良与调控国家重点实验室，河北省农田生态环境重点实验室，保定 071000;
4. 中国地质大学（北京）土地科学技术学院，北京 100083
2. Research Center of Rural Culture and Rural Governance of Hebei Agricultural University, Baoding 071000, China;
3. State Key Laboratory of North China Crop Improvement and Regulation, Key Laboratory of Ecological Environment of Farmland in Hebei, College of Resources and Environmental Sciences, Hebei Agricultural University, Baoding 071000, China;
4. School of Land Science and Technology, China University of Geosciences Beijing, Beijing 100083, China
生态系统服务及其产生的自然资本存量支持着地球生命系统正常运转，它们直接或间接为人类福祉做出贡献[1]. 生态网络作为一种空间显式的复杂系统[2]，通过揭示景观单元之间有机连接，显著强化生态系统服务（ecosystem services，ESs）供给与流动[3]. 进入21世纪，全球气候变暖叠加高强度人类活动使生境破碎化问题凸显，建设用地侵占耕地和林地、物种跨景观迁移受阻和种群数量锐减等负面效应日益加剧[4，5]. 在此背景下，全球呼吁推动生态保护和可持续发展，国际上，《生物多样性公约》（CBD）和联合国可持续发展目标（SDGs）中强调保护和恢复生物多样性，实现人与自然和谐共生[6，7]. 中国以“绿水青山就是金山银山”为核心的生态文明战略，正加快构建以国家公园为主体的自然保护地体系，并在“十四五”规划中将生态廊道和生物多样性网络建设列为优先任务. 太行山区作为我国重要生态功能区，其生态保护工作具有典型示范意义，作为华北地区重要生态屏障和资源承载区，长期以来，该地区在经济发展过程中出现生态系统服务功能下降和生态廊道受阻等问题[8].
复杂系统科学被誉为“21世纪科学”的前沿，其核心关键在于揭示大量微观单元通过非线性耦合、跨尺度反馈和自组织机制涌现出宏观规律. 复杂网络研究快速发展：节点-边模型可通过度分布、聚类系数、平均最短路径与同配性等指标来量化网络结构及动态属性，进一步演化出小世界模型和无标度模型两大经典框架[9]. 生态网络可以被描述为具有生态意义的复杂网络. 在生态学场景下，复杂网络模型可同时考虑物种迁移路径、环境阻力梯度与能量流、信息流强度，成为评估生境破碎化、连通性、鲁棒性及关键节点抗毁性的核心工具[10]. 景观地理学视角下，生态网络被视为建立在“斑块-廊道-基质”范式上的典型复杂系统[11]. 自Lindeman[12]提出能量流模型和Ulanowicz[13]引入信息熵方法以来，学界逐步确立生态源地、生态廊道与生态节点三元结构，形成多尺度连通性研究框架[14]. Pascual-Hortal等[15]在连通性分析中，深入探讨尺度因子在景观规划和实际决策中的意义，结合复杂网络理论中的关键指标，创新性提出以图论方式评估生态源地与生态廊道连通性的方法. 在此基础上，学者们开始运用GIS技术和融合遥感影像数据，评估生境斑块连接度、揭示时空格局变化和分析生态网络拓扑结构与鲁棒性.
生态网络优化的关键在于对“源地-廊道-节点”体系进行空间重构：通过识别核心生态源地、补足关键廊道、构建“踏脚石”斑块和修复生态断裂点等生态规划措施，提升网络连通性与系统鲁棒性[16]. 当前生态网络的相关研究主要聚焦4方面. 一是景观图论连通性分析，利用度、介数等指标量化节点战略地位，以最小阻力树和最大流-最小割等算法寻优，是评价多尺度生态网络的“基准方法”[17]；二是基于重力模型的生态廊道模拟，将源地面积、生态质量与阻力面耦合，用交互力矩阵筛选重要廊道，在荒漠河谷和平原农区等得到广泛应用[18，19]；三是拓扑稳健性与冗余设计，在小世界或无标度框架下，通过介数中心性k-core分解识别“单点失效”风险，进而以冗余廊道与多中心布局增强网络韧性[20]；四是注重生态网络以及生态系统服务相互作用的复杂关系，强调生态系统服务功能对生态网络的影响和作用[21]. 其中，电路理论通过模拟电流在网络中的流动，能够全面考虑空间中所有可能的路径以及生态网络的全局连通性，有效识别生态夹点和障碍点，相较于其他方法，其在生态廊道识别方面更具科学性和实用性. 生态节点作为生态网络中的关键枢纽，对维持生态过程和生态服务的高效运行具有不可替代的重要作用[22].
尽管方法体系日趋完善，但现有研究仍有不足. 一是功能维度研究不足：大量工作聚焦于几何连通性层面，对碳汇和水源涵养等关键生态服务动态需求的考量不足[23]；二是数据与模型静态化：多数研究基于单期土地利用数据开展研究[24]，难以反映区域生态网络动态变化过程，造成优化结果的适应性和可持续应用能力较低；三是山地丘陵区研究相对匮乏：复杂地形对生态迁移阻力的放大效应与行政分割相互叠加，显著提高跨区域生态协同治理的难度，而现有案例多集中于平原或城市边缘区[25]，难以为海拔落差较大的典型山地提供可直接借鉴的范式. 鉴于此，本研究立足中国生态文明建设战略背景，以太行山区为典型案例区，综合运用复杂网络拓扑分析与多时相遥感技术，系统揭示区域生态连通性演变规律及其脆弱性节点，通过构建冗余廊道-踏脚石复合网络，探索分区协同治理机制策略，旨在为丘陵山区生态系统的整体性修复与可持续管理提供坚实的理论支撑与实践范本.
1 研究区概况太行山区（34°34´~40°47´N，110°14´~116°35´E）是我国华北地区具有重要地理意义的山脉和分界线，横跨北京、河北、山西和河南这4个省市，北接北京西山，南延至河南与山西交界的王屋山，地处第二、三级阶梯交汇处. 区域范围涉及太原、石家庄和长治等21个地级行政区和112个县级单位，山脉全长超过400 km，总面积达到13.7×104 km2，是黄土高原向华北平原过渡的关键地带，素有“天下之脊”之称（图 1）. 作为华北生态安全的重要屏障与水源涵养区，太行山在防风固沙、绿化造林及黄河流域生态修复等方面具有战略意义. 此外，该地区亦是革命老区、中国北方土石山区与生态脆弱区的交汇地，长期面临土地资源退化、水土流失严重以及频繁干旱洪涝等挑战，经济发展比较缓慢[26].
|
图 1 研究区位 Fig. 1 Location of the research area |
本研究主要针对2000年、2010年和2020年这3期数据进行，空间分辨率统一至30 m×30 m，所使用到的数据如表 1所示.
|
表 1 数据来源1） Table 1 Data sources |
2.2 生态源地综合识别
本研究耦合形态学空间格局分析（MSPA）和InVEST模型，综合考虑景观空间结构和生态服务功能两方面属性，选取生态系统服务表现优异且面积较大的核心区域作为生态源地. 基于自然断点法将InVEST模型测算得到的综合生态系统服务结果分为极重要、较重要和一般重要这3个等级，耦合综合生态系统服务图层中的极重要区域和MSPA分析结果中的核心区，将其重叠区域作为生态源地备选斑块，为保证生态网络的生态完整性和连续性，减少生态源地的破碎化，根据分布密度聚合500 m以内的相邻斑块，筛选出面积大于50 km2的斑块作为太行山区生态源地.
2.3 基于电路理论构建太行山区生态网络 2.3.1 景观阻力面构建阻力面是指生态系统中物种迁移、能量流动以及生态过程所遭遇的障碍程度，能够反映出不同地貌和土地利用类型对物种迁移所施加的阻力[27]. 生态连通性是衡量生态网络功能和物种流动能力的核心特征，而阻力面正是分析生态连通性的关键工具之一. 本研究选取土地利用类型、高程、坡度、生态系统服务和MSPA景观类型作为主要阻力因子，采用层次分析法（AHP）计算各阻力因子指标权重，利用栅格计算器对各阻力因子进行加权叠加，生成太行山区综合阻力面.
2.3.2 生态廊道提取生态廊道是指阻力相对较低的生态连接带，其不仅为斑块间基因交流和能量传递提供保障，也使原本相对孤立的生态斑块得以连接，是支撑区域生态循环、能量交换和信息流动的关键载体[28]. 电路理论源自物理学中的电流流动原理，通过模拟电流在不同路径上的流动及其与阻力的关系，描述生态系统的物质和能量传递过程[29]. 本研究基于电路理论，利用Linkage Mapper工具提取物种迁移扩散的最小阻力廊道，Linkage Mapper工具通过通道标准化将生态连通性分析结果映射为单一的复合走廊图，提供全面的生态连通性分析结果，从而识别出哪些通道对促进生态源地间的连通性具有积极作用.
2.3.3 生态夹点及障碍点识别生态夹点是指生态网络中的关键连接节点，能够维持物种迁移和基因交流[30]. 生态障碍点是阻碍生态过程的高阻力值点，影响生态网络连通性和生态系统稳定性[31]. 本研究利用Circuitscape程序识别生态夹点和生态障碍点，通过Pinchpoint Mapper模块，采用“all-to-one”模式进行迭代运算，计算所有可能的生态路径流量，通过对累积电流图的分析，识别生态网络中的关键连接点. 通过Barrier Mapper模块识别和分析生态网络中的障碍点，利用移动窗口搜索法，搜索半径设置为500~1 500 m，步长则定为500 m，进行多次迭代运算，计算电流流动过程中的障碍物，根据电流恢复值来量化以上障碍对生态连通性的影响.
2.4 生态网络拓扑结构分析方法复杂网络理论为生态系统空间结构量化提供有效分析框架[32]. 节点代表生态系统中的基本单元；边则代表节点之间的生态过程或功能流动，生态廊道通常作为复杂网络中的边. 本研究基于复杂网络理论，将太行山区生态网络抽象为无向图[33]：
| (1) |
式中，V表示生态源地几何中心点集合；E表示生态廊道连接关系集合. 利用Gephi软件构建太行山区生态网络拓扑结构，从节点、网络和系统这3个层次解析生态网络结构特征.
2.4.1 节点综合重要性选用度、介数、接近度和特征向量中心性评估太行山区生态网络的拓扑结构，对各节点评价指标进行归一化处理，并利用熵权法确定权重，加权求和得到各节点综合重要性[10]. 公式如下：
| $ Q_i=\alpha D_i^{\prime}+\beta B_i^{\prime}+\gamma C_i^{\prime}+\theta E_i^{\prime} $ | (2) |
式中，
网络连通性是评价生态系统结构完整性和功能连贯性的核心指标，为进一步评估优化生态源地对生态网络的影响，选择网络闭合度、网络线点率和网络连通率这3项指标刻画太行山区生态网络的结构特征与连通效能[34]. 公式如下：
| (3) |
| (4) |
| (5) |
式中，L表示生态廊道数量；V表示生态网络中的节点数；
生态网络的鲁棒性是指网络的节点或边被破坏后，生态网络仍可以保持正常运行的能力[35]. 采用节点移除法模拟两类干扰情景：随机攻击模拟自然灾害等非选择性扰动，随机删除网络节点；蓄意攻击模拟人为定向破坏，按节点综合重要性降序移除. 公式如下：
| (6) |
式中，
在不考虑生态源地面积以及生态廊道信息流量传播大小前提下，基于复杂网络理论，将构建完成的太行山区生态网络进一步简化为无向无权拓扑网络模型，假设区域内生态源地之间的能量与信息传递在生态廊道中以双向流动方式进行，强调源地之间的连接关系而非连接强度或容量. 本研究以生态源地的几何中心作为网络节点，以生态廊道作为连接边，仅保留生态斑块间的相对连接关系，利用Gephi软件将太行山区关键生态源地与其间廊道概化为由节点和边组成的拓扑图（图 2），为后续网络分析提供基础数据支撑.
|
圈内数字表示该年第n个节点，节点圈的大小表示度值大小，颜色相同表示度值大小相同；太行山区图内各点表示生态源地抽象出的节点分布在太行山区的位置，节点标号从北到南排序 图 2 2000~2020年太行山区生态网络拓扑结构 Fig. 2 Ecological network topology of Taihang Mountains from 2000 to 2020 |
2000~2020年太行山生态网络中心性指标分析显示（图 3）：①度中心性均值从2000年的0.52显著下降到2010年的0.39，随后在2020年回升至0.46，但总体下降11.5%，且呈现两极化特征（高端值和低端值节点同时增加，新增节点多为低连接度斑块）. ②介数中心性均值在3个年份均稳定在约0.20的水平，始终呈现“极少数节点极高，多数节点极低”的偏态分布，关键桥梁功能由1~3个核心节点（如节点15、16、4和18）掌握，未显著扩散或丧失. ③接近度中心性均值从2000年的0.52降至2010年的0.44，随后在2020年显著反弹至0.54（高于2000年3.8%），低值节点减少，表明网络平均距离缩短，整体变得更紧密. ④特征向量中心性均值小幅波动，2000年为0.48，2010年升至0.51，2020年略降至0.50；其中2010年高低值节点分化加剧（大于0.85的节点增至9个，低值节点也增加），但整体结构基本稳定.
|
纵坐标表示节点数值 图 3 2000~2020年4项节点指标值分布 Fig. 3 Distribution of four node index values from 2000 to 2020 |
整体而言，2010年网络在度、接近度和介数中心性上均下降，该阶段网络连接可能变稀疏，节点间距离增大且桥梁作用略减弱. 2020年，接近度中心性显著回升甚至超过2000年水平，显示网络整体紧密性增强，节点间平均距离缩短；度中心性虽有恢复但未达初期水平，表明节点间直接连接仍相对较少；特征向量中心性保持稳定，核心节点影响力格局变化不大；介数中心性则持续其高度集中的特征.
利用熵权法确定各项指标权重，加权计算得到复杂网络节点综合重要性分值，采用聚类分析方法将节点综合重要性值分为3级（表 2）.
|
|
表 2 节点综合重要性评估结果1） Table 2 Node comprehensive importance assessment results |
表 2中数据结果映射于生态网络中（图 4）. 结果显示：2000年，网络结构初步形成，以少数高重要性节点（占比约为15%）为核心，大部分节点为外围低重要性节点（约为60%），连接较弱，分布分散. 2010年，高重要性节点明显减少至3个（占比为7%），核心趋于集中；中重要性节点增加至11个（占比为27%），成为连接核心与外围的桥梁；低重要性节点剧增（占比为66%），分散化特征增强. 2020年，高重要性节点数量稳定在3个，中重要性节点显著增多（占比为39%），网络紧密程度提高，部分边缘节点作用增强，核心区域联系强化；低重要性节点稍有减少（占比为55%），但网络整体仍呈现一定的分散趋势.
|
图 4 节点综合重要性空间分布 Fig. 4 Spatial distribution of node comprehensive importance |
对生态网络连通性各指标值分析可得（表 3）：生态网络闭合度（α指数）在2000年、2010年和2020年分别为0.849、0.792和0.747，呈现下降趋势，表明过去20 a间生态网络环状连接减少，结构趋于线性化，可能源于城市化发展和基础设施建设等因素导致的生态连通路径消失. 虽然适当减少环状结构可能提升效率，但α指数过度降低会削弱网络冗余度和局部受损时的自我修复能力，未来规划需适当增加局部环状连接以增强稳健性和抗干扰能力. 线点率（β指数）同期数值由2.564降至2.386，同样逐步下降，显示网络连接性降低，这可能是节点增加而连通未同步优化所致，需优化廊道布局以确保节点合理连接，提升整体稳定性. 连接度（γ指数）从0.901降至0.833，表明网络整体连通性降低，断裂点或孤立节点增多，影响生态系统稳定性和生物多样性. 这既反映核心区连接性下降，也体现次级生态廊道减少导致过度依赖主要通道，为改善此趋势，需优化网络布局，增加重要节点间连接及廊道合理分布.
|
|
表 3 生态网络连通性各指标值 Table 3 Ecological network connectivity index values |
3.3 生态网络稳健性分析
本研究通过对生态网络稳健性进行分析，探讨太行山区不同年份生态网络在随机攻击和蓄意攻击两种干扰下的结构变化（图 5）. 随机攻击模拟自然灾害或人类活动对生态系统的影响，而蓄意攻击则模拟对关键生态节点的破坏，如城市扩张或基础设施建设对核心生态廊道的占用. 随机移除生态网络中的节点后，网络连通性整体下降，但由于节点移除的随机性，核心生态网络的连接结构仍然能够在较长时间内保持相对完整. 2000~2020年最大连通子图的比例下降较为平缓，说明网络具有一定的冗余性，能够适应随机扰动，表明生态网络在建设过程中，尽管部分节点可能失去作用，但仍然存在其他替代路径维持生态连通性. 相比随机攻击，蓄意攻击对生态网络的影响更为显著. 在有针对性地移除高重要性节点后，网络连通性显著降低. 2000年、2010年和2020年分析结果均显示，在蓄意攻击下，最大连通子图比例迅速下降，且断裂点出现更早. 说明高重要性节点在生态网络的整体结构中起关键作用，一旦以上核心节点遭受干扰，将导致生态网络的严重断裂，影响生态过程的连贯性.
|
图 5 生态网络鲁棒性变化趋势 Fig. 5 Trend of changes in the robustness of ecological networks |
生态网络拓扑特征揭示出太行山区生态系统空间连接模式与功能脆弱性. 基于节点重要性、连通性与鲁棒性分析，提出以下空间干预优化原则.
（1）核心节点优先保护原则 节点重要性等级高的节点，在生态网络中承担“枢纽”功能，是维持网络能量流动与物种迁移的关键战略点. 优化需优先保护此类节点，通过划定生态保护红线和限制周边开发强度，建设缓冲带等措施，降低人为干扰对其功能的冲击.
（2）廊道冗余建设原则 网络闭合度持续下降表明生态廊道环状结构减少，网络冗余度不足，需要通过替代路径规划增强连接冗余性，可以沿自然地形构建备用廊道或人工修复断裂带，提升网络面对干扰时的替代路径选择能力，避免“单点失效”引发的系统性崩溃.
（3）结构-功能协同原则 节点结构属性与功能属性空间分异揭示优化需兼顾功能提升和形态修复. 例如，节点11接近度中心性高但特征向量中心性较低，表明其虽局部连通性良好，但对全局网络影响力有限. 此类节点需通过结构-功能协同优化，打破“高连接-低影响力”瓶颈，促进局部生态效益向全局网络传递.
（4）跨行政区协同原则 障碍点与低鲁棒性区域多位于行政边界，因管理权属分割导致修复措施碎片化. 优化需建立跨区域协同机制，统一生态修复标准，联合制定生态廊道建设技术规范，减少行政壁垒对网络完整性的负面影响，推动生态要素跨区域高效流动.
4.2 多尺度分区协同优化方案基于拓扑特征与地理属性，将太行山区划分为4类优化区，并根据各分区生态问题提出差异化修复策略，实现“节点-廊道-分区”多尺度协同优化（图 6）.
|
图 6 太行山区多尺度分区协同优化示意 Fig. 6 Schematic of multi-scale zoning collaborative optimization in Taihang Mountains |
严格保护高重要性节点和生态源地：核心保护区集中分布于太行山区南麓森林带与生物多样性热点区，受边缘效应干扰，部分核心区内部孔隙化加剧，故共确定6个核心保护区. 建立核心保护区动态评估机制，依据20 a间积累的生态数据以及最新监测信息，对核心保护区生态变化以及构建的生态网络进行全面评估. 对于重要性下降且孔隙化加剧区域，若因周边人类活动干扰导致，应加强周边缓冲带的建设与管理，如在人类活动频繁区域增设隔离设施、增加巡逻频次；若为自然演替因素，应遵循自然规律进行适度干预，如人工辅助更新适宜树种. 将新出现的高重要性节点及时纳入生态保护红线，明确保护范围和保护要求，通过立法形式确保核心保护区的动态有效性. 对于已纳入保护红线但重要性降低的区域，及时调整保护策略，避免造成保护区生态环境的破坏. 禁止采矿和垦殖，在当地建设生态监测站，建立实时动态数据传输平台，维持原生生态系统，提升核心节点辐射力，周边1 km范围内规划油松缓冲林带，修复连接重要生态廊道，拆除阻隔设施，如围栏和废弃矿区，增设动物迁徙通道，如涵洞，宽度设置≥20 m，顶部可覆土种植本地草本. 另外，在核心区内部空隙区域，依据不同树种生长周期和生态适应性，分阶段补植高郁闭度树种，如华北落叶松，先在孔隙化严重且生态敏感区域补植，逐步向其他区域扩展，同时建立补植效果跟踪机制，对补植后3~5 a的树木成活率和生态功能提升情况进行评估，定期调整后续补植计划，提升生态完整性.
4.2.2 优先修复区提升关键廊道流通效率：优先修复区位于生态夹点高值区，是生态廊道能量流动的关键“瓶颈”，2010~2020年夹点区域电流密度下降显著，廊道断裂风险高. 优化方案中共确定103个踏脚石斑块，可作为优先修复区，优化过程中通过构建踏脚石斑块优先修复以上流通量较大的区域，对退化生境进行修复，如限制道路扩建，拆除违规建筑，重建植被隔离带，建设动物通道等，另外，也可转化为生态游憩区，建设徒步绿道等. 持续监测高级夹点破碎化风险，根据风险变化趋势每3 a调整相关政策，保障主干廊道连通性，提升生态网络冗余度，以确保物种间顺畅流动. 结合现有生态网络数据，建立踏脚石斑块动态数据库，记录不同斑块的地理位置、生态特征和变化趋势等信息逐年变化情况，在记录现有踏脚石斑块的生态功能变化的同时，预测未来可能出现的高流通量区域，提前布局优先修复区. 对于新识别的踏脚石斑块，及时纳入优先修复区范围，制定相应的修复计划. 根据踏脚石斑块的退化程度和生态功能需求，制定差异化的修复措施，增强区域的生态连通性和生态服务功能.
4.2.3 边缘提质区增强边缘节点连接与功能转化：优化方案中共确定4个边缘提质区，主要位于城乡交错带以及太行山区生态网络边缘位置，接近度中心性高但特征向量中心性低，边缘效应显著，斑块破碎化，生态功能边缘化. 在20 a的发展过程中，边缘提质区的土地利用方式和生态功能存在显著变化，城市建设扩张使部分边缘区域生态空间受到挤压，而一些农村区域因人口外流出现土地撂荒和生态退化. 主要优化措施包括：在孤岛斑块周边规划小微湿地，根据孤岛斑块的分布变化和周边生态环境需求，充分考虑地形地貌和水文条件等自然因素的影响，种植芦苇和香蒲等湿生植物，人工促进自然更新，吸引迁徙物种停歇，也可布设红外相机监测物种通行效率，如太行猕猴迁徙路径；规划绿道网络连接，沿农田沟渠建设生态绿道，宽度设置≥30 m，连接边缘节点与核心区，种植蜜源植物促进传粉物种流动，结合农田布局和生态发展要求，按期对绿道网络进行优化调整，提高生态绿道的生态效益. 将低效用地转化为生态农业区，如有机果园，采用农林复合经营模式，根据市场需求和生态功能要求，对生态农业区的产业类型和经营模式进行动态调整，兼顾生产与生态功能，制定生态效益评估指标体系，对评估结果好的生态农业区给予相应的政策支持和奖励，增强边缘节点连接度，降低破碎化风险.
4.2.4 风险防控区阻断干扰源与提升网络韧性：优化方案中主要确定5个风险防控区，分布于障碍点集中地带以及鲁棒性脆弱带，由于采矿和交通等人类活动等导致廊道断裂以及区域生态功能降低，移除节点后连通性下降幅度较大，且不同区域的干扰源和风险程度随时间不断变化，随着经济发展，新的建设项目不断涌现，部分区域出现新的干扰源，而一些原有干扰源因治理措施得力影响逐渐减小. 方案中共确定75个障碍点，也就是生态廊道断裂点，优化时应注意障碍点清除，比如拆除违规厂房以及废弃工矿用地复绿，恢复原生植被，补植树种，重建植被缓冲带. 另外，在风险区外围建设防火带，宽度设置≥100 m，种植耐火树种，配置消防蓄水池. 建立完善的生态网络动态监测体系，控制开发强度，建立应急响应机制，对干扰源进行动态监测，每2 a对障碍点进行一次全面更新，运用卫星遥感和无人机巡查等技术手段监测生态廊道的连接状况和障碍点的变化情况，当监测到障碍点出现扩大或新增风险时，及时发布预警信息，启动相应的应急管理措施. 同时设立“生态修复基金”，对占用生态用地的企业征收补偿金，用于小微湿地建设，评估占用生态用地的面积和生态损害程度，动态调整补偿金征收标准，确保基金的充足性和有效性，定期对基金的使用情况进行审计和公示.
5 讨论 5.1 太行山区生态网络拓扑特征本研究基于复杂网络理论，构建太行山区2000~2020年生态网络拓扑分析框架，系统揭示出山地生态系统空间连接模式的演化规律与脆弱性机制. 太行山区生态网络呈现显著的“枢纽依赖-边缘脆弱”空间格局特征，与关于生态网络鲁棒性的研究结论高度一致，反映出核心节点对网络稳定性的关键控制作用[36]. 研究识别出仅占总数7%的高重要性节点（如节点15、16和5等）在维持网络连通性方面发挥决定性作用，其综合重要性分值分别达到4.38~9.6的峰值区间. 以上核心节点的度中心性均值为0.52，介数中心性峰值超过0.5，显著高于其他节点，符合基于综合重要度评价的关键节点识别[37]. 20 a间生态网络连通性呈持续衰退趋势，闭合度从0.849降至0.747（降幅12.0%），线点率从2.564降至2.386（降幅6.9%），连接度从0.901降至0.833（降幅7.5%）. 这一趋势与黄河流域生态网络优化研究中发现的连通性下降模式相符[32]，反映出快速城市化背景下山地生态系统面临的普遍挑战[38].
值得注意的是，虽然生态源地数量从39个增加至44个（增幅12.8%），面积从13 168.76 km2扩展至15 007.17 km2（增幅13.96%），但网络整体连通效率反而下降，表明量的增长未能转化为质的提升. 基于节点移除实验的鲁棒性评估显示，太行山区生态网络在随机攻击下表现出相对稳定性，连通性下降曲线斜率为-0.018 7，但在蓄意攻击下脆弱性显著，连通性下降曲线斜率陡增至-0.034 2，攻击效率提升83.4%，这与关于“环境变化使稳健生态网络变得脆弱”的理论预测高度吻合[39]，揭示出当前生态网络优化的紧迫性.
5.2 研究方法创新性与局限性本研究将复杂网络理论引入山地生态网络分析框架，突破了传统“源地-廊道”模型的静态局限性，实现了生态系统空间结构的定量化解析. 该方法与“生态网络拓扑分析框架”形成理论呼应[40]，通过度中心性和介数中心性等拓扑指标量化节点重要性，为生态枢纽识别提供了定量化支撑. 这一分析范式与“多维视角生态网络结构特征”相契合[41]，其研究表明网络中重要度高的点的数量越多，网络本身的拓扑结构越好，印证了本研究所揭示的“高重要性节点主导网络连通性”这一结论. 在方法论层面，本研究融合熵权法与聚类分析构建节点重要性分级体系，该思路借鉴了空间尺度对维持景观连通性的关键栖息地斑块识别的影响的景观连通性评估框架[15]. 相较于仅通过图论指标量化生态斑块结构重要性的方法，本研究进一步实现了拓扑指标与生态功能的耦合分析，提升了核心节点识别的空间精准度. 实证结果显示，2000年节点15和节点16的介数中心性值分别达198.78和157.53，显著高于网络中其他节点，这一发现与“枢纽节点控制网络信息流”理论相吻合[42]，验证了复杂网络指标在生态节点功能评估中的适用性.
现有研究中，生态网络的研究尺度主要集中在县（区）[43]、城市[44]和城市群[45]等行政单元上，实际上生态网络更多地受地理单元的影响而非行政边界的限制[46]，部分研究区域选择丘陵和河流流域等，地势起伏较小，而山区地势起伏较大，生态过程复杂. 系统优化山区生态网络和分区协同优化，可以成为实现山区发展和促进区域协同互动发展的重要途径. 太行山区城镇空间集聚于各市行政中心，农业空间主要分布在山麓和盆地，生态空间在高海拔山区[47]. 同时，太行山区横跨4个行政区，由于不同省（市）发展规划的政策、产业布局、目标定位、历史基础和人口规模等不同，导致区域资源要素供需严重不平衡，行政分割下的协同机制对于实现太行山区经济与生态的协调可持续发展，发挥其对京津冀地区以及东部经济发达地区到中西部经济欠发达地区的过渡带的生态辐射功能意义重大.
本研究存在不足，未来将进一步改善. 本研究采用的无向无权重网络模型存在一定局限性，未能充分体现生态过程的方向性与强度梯度特征，不能深入剖析生态拓扑网络中边的具体特征，在一定程度上忽视了生态网络中物质、信息和能量在迁移过程的动态变化. Closset-Kopp等[4]在研究中强调了“生态廊道动态属性”的重要性，通过物种迁移实验证实权重网络模型能够更精确地反映廊道的实际效能，而无向假设可能导致对廊道断裂风险的系统性低估. 在构建生态网络过程中，将源地间连接的生态廊道简化为同质化的边，即将生态廊道视为双向通道，但现实中物种迁移和能量流动等生态过程常具有单向性，会导致将双向断裂风险传导概率均等化. 同时，无权网络假设所有廊道连接强度相同，但生态流强度受物种特性和地形阻隔等因素影响显著，对强度梯度的忽略可能引发断裂风险错配. 未来研究中应进一步探索生态网络结构中廊道的动态变化，细化生态廊道的属性，在构建框架中增加廊道的宽度和生态流向. 在数据维度方面，本研究尚未整合土壤养分和微气候等细粒度生态数据. 李佳杰等[48]通过耦合区域降温网络与生物迁移网络以实现生态网络的复合功能，构建复合功能生态网络. 相比之下，本研究仅依赖土地利用与地形数据，可能导致对节点生态功能评估存在系统性偏差. 未来研究应在生态系统服务价值评估框架中，将净初级生产力和碳储量等关键参数纳入网络权重计算体系，以提升模型的生态功能表征精度.
6 结论（1）太行山区生态网络结构具有“枢纽依赖-边缘脆弱”的特征，仅占节点总数7%的高重要性节点主导网络的稳定性.
（2）网络连通性指标呈现持续衰退趋势，反映出网络环状结构减少，冗余度降低的演变态势. 鲁棒性分析进一步证实，高重要性节点的移除会导致连通性急剧下降.
（3）构建“节点-廊道-分区”多尺度协同优化框架. 在空间上划定核心保护区、优先修复区、边缘提质区和风险防控区，遵循4项优化原则，提出差异化修复策略，提升太行山区生态网络的整体连通性与系统韧性.
| [1] | Costanza R, d'Arge R, de Groot R, et al. The value of the world's ecosystem services and natural capital[J]. Nature, 1997, 387(6630): 253-260. DOI:10.1038/387253a0 |
| [2] | Liu H J, Niu T, Yu Q, et al. Spatial and temporal variations in the relationship between the topological structure of eco-spatial network and biodiversity maintenance function in China[J]. Ecological Indicators, 2022, 139. DOI:10.1016/j.ecolind.2022.108919 |
| [3] |
周豹, 赵俊三, 陈国平, 等. 多情景模拟下滇东南喀斯特地区生态系统服务评估与网络优化[J]. 环境科学, 2025, 46(7): 4615-4627. Zhou B, Zhao J S, Chen G P, et al. Ecosystem services assessment and network optimization under multiple scenario simulations in the karst area of Southeast Yunnan[J]. Environmental Science, 2025, 46(7): 4615-4627. DOI:10.13227/j.hjkx.202406123 |
| [4] | Closset-Kopp D, Wasof S, Decocq G. Using process-based indicator species to evaluate ecological corridors in fragmented landscapes[J]. Biological Conservation, 2016, 201: 152-159. DOI:10.1016/j.biocon.2016.06.030 |
| [5] |
段鹏, 陈文波, 杨欢, 等. 生境破碎化过程对流域生境质量的影响[J]. 生态学报, 2024, 44(14): 6053-6066. Duan P, Chen W B, Yang H, et al. Influence and interactions of habitat fragmentation processes on habitat quality in watersheds[J]. Acta Ecologica Sinica, 2024, 44(14): 6053-6066. |
| [6] | Palmer E. Introduction: the 2030 agenda[J]. Journal of Global Ethics, 2015, 11(3): 262-269. DOI:10.1080/17449626.2015.1119928 |
| [7] | Sinthumule N I. Traditional ecological knowledge and its role in biodiversity conservation: a systematic review[J]. Frontiers in Environmental Science, 2023, 11. DOI:10.3389/fenvs.2023.1164900 |
| [8] | Hu F, Cao Y G, Zhang C C, et al. Framework and methodology for hierarchical determination of ecological conservation priority areas in China's Taihang Mountains[J]. Journal of Environmental Management, 2025, 389. DOI:10.1016/j.jenvman.2025.125991 |
| [9] | Porter M A. Small-world network[J]. Scholarpedia, 2012, 7(2). DOI:10.4249/scholarpedia.1739 |
| [10] |
黄悦, 李红波, 欧国良. 武汉城市圈生态网络鲁棒性模拟及稳定性分析[J]. 生态科学, 2024, 43(1): 63-73. Huang Y, Li H B, Ou G L. Robustness simulation and stability analysis of ecological network in Wuhan metropolitan area[J]. Ecological Science, 2024, 43(1): 63-73. |
| [11] | Harvey E, Gounand I, Ward C L, et al. Bridging ecology and conservation: from ecological networks to ecosystem function[J]. Journal of Applied Ecology, 2017, 54(2): 371-379. DOI:10.1111/1365-2664.12769 |
| [12] | Lindeman R L. The trophic-dynamic aspect of ecology[J]. Ecology, 1942, 23(4): 399-417. DOI:10.2307/1930126 |
| [13] | Ulanowicz R E. Information theory in ecology[J]. Computers & Chemistry, 2001, 25(4): 393-399. |
| [14] |
卢洁, 焦胜, 胡加琦, 等. 基于多尺度协同的长沙市生态网络构建与层级优化[J]. 生态学报, 2023, 43(15): 6332-6344. Lu J, Jiao S, Hu J Q, et al. Construction and hierarchical optimization of Changsha ecological network based on multi-scale collaboration[J]. Acta Ecologica Sinica, 2023, 43(15): 6332-6344. |
| [15] | Pascual-Hortal L, Saura S. Impact of spatial scale on the identification of critical habitat patches for the maintenance of landscape connectivity[J]. Landscape and Urban Planning, 2007, 83(2-3): 176-186. DOI:10.1016/j.landurbplan.2007.04.003 |
| [16] | 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 |
| [17] |
刘骏杰, 陈璟如, 来燕妮, 等. 基于景观格局和连接度评价的生态网络方法优化与应用[J]. 应用生态学报, 2019, 30(9): 3108-3118. Liu J J, Chen J R, Lai Y N, et al. Improvement and application for ecological networks using landscape pattern and connectivity methods[J]. Chinese Journal of Applied Ecology, 2019, 30(9): 3108-3118. |
| [18] |
杨欣, 肖豪立, 王艺霏. 长江中游城市群生态网络构建、优化与协同治理[J]. 水土保持学报, 2024, 38(1): 300-309, 318. Yang X, Xiao H L, Wang Y F. Construction, optimization and synergistic governance of the ecological network of urban agglomeration in the Middle Reaches of Yangtze River[J]. Journal of Soil and Water Conservation, 2024, 38(1): 300-309, 318. |
| [19] |
张乐相, 柴波, 张岩, 等. 基于重力模型与电路理论的生态网络对比研究——以济宁市为例[J]. 生态学报, 2025, 45(4): 1684-1696. Zhang L X, Chai B, Zhang Y, et al. A comparative study on ecological networks based on Gravity model and circuit theory: a case study of Jining City[J]. Acta Ecologica Sinica, 2025, 45(4): 1684-1696. |
| [20] | Wu Z, Cheng S, Xu K Y, et al. Ecological network resilience evaluation and ecological strategic space identification based on complex network theory: a case study of Nanjing city[J]. Ecological Indicators, 2024, 158. DOI:10.1016/j.ecolind.2024.111604 |
| [21] | Wang Y, Yu Q, Avirmed B, et al. The response of ecosystem services to ecological spatial network patterns in China's arid and semi-arid regions[J]. Ecological Indicators, 2025, 172. DOI:10.1016/j.ecolind.2025.113300 |
| [22] |
乔治, 陈嘉悦, 王楠, 等. 基于MSPA和电路理论的京津冀城市群热环境空间网络[J]. 环境科学, 2023, 44(6): 3034-3042. Qiao Z, Chen J Y, Wang N, et al. Spatial network of urban heat environment in Beijing-Tianjin-Hebei urban agglomeration based on MSPA and circuit theory[J]. Environmental Science, 2023, 44(6): 3034-3042. DOI:10.13227/j.hjkx.202206310 |
| [23] | Guimarães Jr P R. The structure of ecological networks across levels of organization[J]. Annual Review of Ecology, Evolution, and Systematics, 2020, 51: 433-460. DOI:10.1146/annurev-ecolsys-012220-120819 |
| [24] |
曹维佳, 杨庆康, 贾国秀, 等. 基于生态脆弱性的乌兰察布生态网络构建与优化[J]. 应用生态学报, 2025, 36(2): 376-382. Cao W J, Yang Q K, Jia G X, et al. Construction and optimization of ecological network based on ecological vulnerability in Ulanqab, Inner Mongolia, China[J]. Chinese Journal of Applied Ecology, 2025, 36(2): 376-382. |
| [25] |
田锐, 赵中秋, 宋东阳. 基于生态退化风险与生态安全格局的国土空间生态修复区域识别: 以长株潭都市圈为例[J]. 环境科学, 2025, 46(3): 1608-1620. Tian R, Zhao Z Q, Song D Y. Identification of ecological restoration of territorial space based on ecosystem degradation risk and ecological security pattern: a case study of the Chang-Zhu-Tan Metropolitan Area[J]. Environmental Science, 2025, 46(3): 1608-1620. DOI:10.13227/j.hjkx.202404061 |
| [26] |
闫戈丁, 景海涛, 何湜, 等. 太行山区生态环境质量时空变化与演变趋势[J]. 山地学报, 2023, 41(3): 335-347. Yan G D, Jing H T, He S, et al. Spatial-temporal variation and evolutionary trends of eco-environment quality in the Taihang Mountains, China[J]. Mountain Research, 2023, 41(3): 335-347. |
| [27] |
冯义龙, 贺萌, 李波, 等. 重庆主城区城市生态网络构建与优化[J]. 生态环境学报, 2025, 34(5): 699-709. Feng Y L, He M, Li B, et al. Construction and optimization of urban ecological network in Chongqing main urban area[J]. Ecology and Environmental Sciences, 2025, 34(5): 699-709. |
| [28] |
王海云, 匡耀求, 文薪荐, 等. 粤港澳大湾区生态网络构建及廊道优化[J]. 中国环境科学, 2022, 42(5): 2289-2298. Wang H Y, Kuang Y Q, Wen X J, et al. Ecological network construction and corridor optimization in Guangdong-Hong Kong-Macao Greater Bay Area[J]. China Environmental Science, 2022, 42(5): 2289-2298. |
| [29] |
许静, 廖星凯, 甘崎旭, 等. 基于MSPA与电路理论的黄河流域甘肃段生态安全格局构建[J]. 生态环境学报, 2023, 32(4): 805-813. Xu J, Liao X K, Gan Q X, et al. Construction of ecological security pattern based on MSPA and circuit theory in Gansu section of the Yellow River Basin[J]. Ecology and Environmental Sciences, 2023, 32(4): 805-813. |
| [30] |
董毓伊, 冯秀丽, 黄俊杰, 等. 国土空间生态保护修复重点区域识别研究——以宁波市为例[J]. 中国土地科学, 2023, 37(6): 96-105. Dong Y Y, Feng X L, Huang J J, et al. Research on the identification of key areas for ecological protection and restoration: a case study on Ningbo City[J]. China Land Science, 2023, 37(6): 96-105. |
| [31] |
刘杰, 罗玉兰, 张浪, 等. 湖州市域生态网络构建的关键区空间辨识[J]. 中国城市林业, 2025, 23(3): 167-174. Liu J, Luo Y L, Zhang L, et al. Spatial identification of critical areas for Huzhou Municipal ecological network construction[J]. Journal of Chinese Urban Forestry, 2025, 23(3): 167-174. |
| [32] | Men D, Pan J H. Ecological network identification and connectivity robustness evaluation in the Yellow River Basin under a multi-scenario simulation[J]. Ecological Modelling, 2023, 482. DOI:10.1016/j.ecolmodel.2023.110384 |
| [33] | Xu A K, Hu M J, Shi J, et al. Construction and optimization of ecological network in inland river basin based on circuit theory, complex network and ecological sensitivity: a case study of Gansu section of Heihe River Basin[J]. Ecological Modelling, 2024, 488. DOI:10.1016/j.ecolmodel.2023.110578 |
| [34] |
范强, 隋属棋, 张津宁. 基于"供需平衡-敏感性-连通性"的赤峰生态安全格局构建与优化[J]. 环境科学, 2025, 46(4): 2450-2462. Fan Q, Sui S Q, Zhang J N. Construction and optimization of ecological security pattern in Chifeng based on "supply-demand balance-sensitivity-connectivity[J]. Environmental Science, 2025, 46(4): 2450-2462. DOI:10.13227/j.hjkx.202403214 |
| [35] |
门丹, 潘竟虎. 基于生态系统服务供需与拓扑结构分析的渭河流域生态网络优化[J]. 农业工程学报, 2024, 40(15): 212-221. Men D, Pan J H. Optimization of the ecological network in the Weihe River Basin using supply and demand of ecosystem service and topological structure analysis[J]. Transactions of the Chinese Society of Agricultural Engineering, 2024, 40(15): 212-221. |
| [36] |
于强, 杨斓, 岳德鹏, 等. 基于复杂网络分析法的空间生态网络结构研究[J]. 农业机械学报, 2018, 49(3): 214-224. Yu Q, Yang L, Yue D P, et al. Investigation on complex spatial ecological network structure based on complex network analysis method[J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(3): 214-224. |
| [37] |
莫振淳, 傅丽华, 彭耀辉, 等. 基于综合重要度评价的生态空间网络关键节点识别[J]. 湖南工业大学学报, 2018, 32(2): 64-69. Mo Z C, Fu L H, Peng Y H, et al. Identification of ecological space network key nodes based on a comprehensive importance evaluation[J]. Journal of Hunan University of Technology, 2018, 32(2): 64-69. |
| [38] | Zuo Q, Zhou Y, Liu J Y. Construction and optimization strategy of an ecological network in mountainous areas: a case study in Southwestern Hubei Province, China[J]. International Journal of Environmental Research and Public Health, 2022, 19(15). DOI:10.3390/ijerph19159582 |
| [39] | Strona G, Lafferty K D. Environmental change makes robust ecological networks fragile[J]. Nature Communications, 2016, 7(1). DOI:10.1038/ncomms12462 |
| [40] | Fortin M J, Dale M R T, Brimacombe C. Network ecology in dynamic landscapes[J]. Proceedings of the Royal Society B: Biological Sciences, 2021, 288(1949). DOI:10.1098/rspb.2020.1889 |
| [41] |
刘祥平, 张贞, 李玲玉, 等. 多维视角下天津市生态网络结构演变特征综合评价[J]. 应用生态学报, 2021, 32(5): 1554-1562. Liu X P, Zhang Z, Li L Y, et al. Comprehensive evaluation of the evolution of ecological network structure in Tianjin, China from a multi-dimensional perspective[J]. Chinese Journal of Applied Ecology, 2021, 32(5): 1554-1562. |
| [42] | Martínez V, Berzal F, Cubero J C. A survey of link prediction in complex networks[J]. ACM Computing Surveys (CSUR), 2017, 49(4): 1-33. |
| [43] |
徐燕飞, 李兵, 安士凯, 等. 基于MSPA模型的矿业城市生态网络构建与优化——以淮南市涉矿区县为例[J]. 金属矿山, 2025(7): 207-216. Xu Y F, Li B, An T K, et al. Construction and optimization of Mining City ecological network based on MSPA model: taking the Mining district and county of Huainan City as an example[J]. Metal Mine, 2025(7): 207-216. |
| [44] |
李根, 丁金梅, 施琳娜, 等. 绿洲城市生态网络的时空演变与多情景模拟分析: 以银川市为例[J]. 环境科学, 2026, 47(2): 987-998. Li G, Ding J M, Shi L N, et al. Spatio-temporal evolution and multi-scenario simulation analysis of ecological networks in oasis cities: a case of Yinchuan City[J]. Environmental Science, 2026, 47(2): 987-998. DOI:10.13227/j.hjkx.202412287 |
| [45] |
谢卓洪, 雷敏, 刘利杰, 等. 珠三角城市群景观生态格局评价与优化[J]. 应用生态学报, 2023, 34(9): 2481-2488. Xie Z H, Lei M, Liu L J, et al. Evaluation and optimization of ecological landscape pattern for urban agglomeration in the Pearl River Delta, China[J]. Chinese Journal of Applied Ecology, 2023, 34(9): 2481-2488. |
| [46] | Xu S P, Zhang Y J. Transboundary ecological network communities based on natural protected areas: a case study of the Mekong River Basin, Asia[J]. Global Ecology and Conservation, 2024, 55. DOI:10.1016/j.gecco.2024.e03216 |
| [47] |
周鹏, 邓伟, 张少尧, 等. 太行山区国土空间格局演变特征及其驱动力[J]. 山地学报, 2020, 38(2): 276-289. Zhou P, Deng W, Zhang S Y, et al. Evolution characteristics and its driving force of territory space pattern in the Taihang Mountain, China[J]. Mountain Research, 2020, 38(2): 276-289. |
| [48] |
李佳杰, 顾媛媛, 邢忠. 武汉城市圈"生物迁移-区域降温"复合功能生态网络构建[J]. 风景园林, 2025, 32(1): 96-104. Li J J, Gu Y Y, Xing Z. Construction of "biomigration-regional cooling" multi-functional ecological network in Wuhan urban agglomeration[J]. Landscape Architecture, 2025, 32(1): 96-104. |