2026, Vol. 47
2. 中国人民解放军93617部队，北京 101400
2. People's Liberation Army of China Unit 93617, Beijing 101400, China
受气候变化和城市快速扩张的影响，全球已经有10.1%的地区处于高度或极度脆弱状态[1]，中国同样有55%的国土面积处于中度以上生态脆弱状态，这种趋势存在继续恶化的可能性[2，3]. 基于这种变化过程，生态脆弱性的研究和评价已经转向全球化层面，成为全球环境变化和可持续发展的核心问题之一[4，5]. 由于研究视角的差异，生态脆弱性的概念尚未统一，参考多位学者的研究将其界定为生态系统暴露于自然环境和人类活动干扰造成的压力下时，呈现出一定的敏感性特征，与此同时也具备从干扰中恢复的能力（即适应力）[6~9].
作为社会经济系统与环境相互作用的一个关键属性[6，9]，早期生态脆弱性的研究起源于自然灾害[10]，强调自然灾害的频率以及灾害损失的强度等自然属性，忽略了社会结构和人类活动对其产生的影响[11]. 20世纪90年代以来，学者们逐渐发现社会经济因素是区域灾害形成的关键因素，并以此为基础，将风险研究、资源政治经济学、灾害管理和政府干预等研究整合，涵盖灾害科学、地理学、经济学、政治学和社会学等不同学科领域对生态脆弱性进行综合分析[10]. 研究尺度包括省域[3]、市域[12]、岛屿[13]以及典型生态脆弱区（如青藏高原[14]、沙漠与绿洲过渡带[15]、农牧交错带[16]和湿地地区[17]等）. 研究方法包括图层叠置法、函数建模法以及综合指数法等[18]. 其中，图层叠置法通过叠加不同情景或脆弱性组成成分形成综合脆弱性评价结果，该方法有助于评价结果的可视化展示，但对主要影响因素的识别有所欠缺[19]. 函数建模法通过建立因变量脆弱性与自变量各指标之间的函数关系进行评价，但由于研究主题和视角的差异以及各指标间的相互作用机制不明晰，该方法的研究进展相对缓慢[20]. 综合指数法通过选取指标因子进行生态脆弱性评价，覆盖面广且使用频率最高[21]，相应的评价指标体系模型有压力-状态-响应（pressure-state-response，PSR）、压力-支持-状态-响应（pressure-support-state-response，PSSR）、敏感性-适应性-压力度（sensitivity-resilience-pressure，SRP）、暴露度-敏感性-适应力（exposure-sensitivity-adaptation，ESA）模型以及脆弱性范围图（vulnerability scoping diagram，VSD）[22~26]等. 通过指标体系评价生态脆弱性的过程中，各指标权重对研究结果的影响较大，具体的计算方法有层次分析法、熵权法、主成分分析法和CRITIC赋权法等，其中CRITIC赋权作为熵权法的改进方法，根据原始数据的信息流计算得到，充分考虑了指标间的冲突性与差异性，已被广泛应用[27，28].
现有研究中学者们不止局限于对生态环境脆弱性时空演变特征的评价，而是以区域生态系统服务价值[29]、生态系统健康[30]、生态环境质量[31]以及生态韧性评价[32]为切入点，探究生态环境与城镇化的关系[33，34]. 以我国的城镇化过程为例，耕地资源流失、水资源和能源短缺、生境破碎化等问题在其演进中相继出现，许多地区成为生态高度脆弱区[35]. 随着地球系统科学和可持续性科学研究的推进，学者们从系统论的研究范式出发，借助耦合协调度模型、灰色关联度模型[36，37]和双指数模型[38]等定量测度生态环境与城镇化的耦合关系，发现二者呈现双指数[38，39]或者倒“U”型[40]的作用关系. 与此同时，基于生态环境与城镇化的交互胁迫效应和动态演变趋势，部分学者尝试采用SD、人工智能和综合集成等技术方法进行耦合关系的动态模拟[41]. 综合来看，学术界对于生态环境与城镇化耦合关系的研究逐渐趋于成熟，然而从生态脆弱性视角出发进行的探讨不多. 一方面，城镇化伴随着人口集聚和土地扩张，导致自然栖息地破碎化，生态系统结构和功能退化，恢复力持续下降，脆弱性增加[42，43]；另一方面，随着对生态环境问题的重视，建设用地扩张和农林用地占补等受到限制，用于生态环境修复和保护的资金增加，这可能会抑制城镇化的发展速度[28]. 因此，鉴于耦合机制的复杂性，采用单一范式研究已无法满足指导规划实践的需要，多视角和多维度综合分析的意义更加突出.
粤港澳大湾区作为我国开放程度最高、经济活力最强和人口最密集的区域之一，经历了快速的城市扩张和经济发展[44]，此过程不可避免地导致生态环境受到影响，局部地区生态脆弱性程度加剧，为了协调生态与城镇化的均衡发展，从生态脆弱性的视角出发，探究其与城镇化水平的耦合作用关系具有重要的理论和现实意义. 本文以粤港澳大湾区为研究区、各区县为研究单元，借助压力-状态-响应（PSR）模型和人口-经济-社会-空间（population-economy-society-space，PESS）模型构建生态脆弱性和城镇化水平评价指标体系，综合层次分析法和CRITIC法为各指标赋权，运用耦合协调度模型、双变量空间自相关模型、地理加权回归模型等从大湾区整体层面对生态环境与城镇化的耦合关系开展深入研究，探求二者交互作用机制，以期为粤港澳大湾区生态环境与城镇化可持续发展提供理论参考.
1 材料与方法 1.1 研究区域粤港澳大湾区位于珠江流域下游，包括广州市、深圳市、珠海市、佛山市、惠州市、东莞市、中山市、江门市和肇庆市以及香港和澳门两个特别行政区，陆地总面积约5.6万km2（图 1）. 研究区地理位置优越（21°34′~24°23′N，111°21′~115°25′E），“三面环山，三江汇聚”，具有漫长的海岸线、良好的港口群和广阔的海域面，东、西、北三面丘陵台地环抱，主要用地类型为林地和草地，中部平原广阔，建设用地面积占比最大. 气候类型为亚热带湿润季风气候，年均温度约21~22℃，年降水量约1 600~2 000 mm，光、热、水资源充沛，典型植被为亚热带常绿阔叶林. 粤港澳大湾区经济发展水平全国领先，2020年末常住人口达8 617.19万人，占全国总人口的6%，地区生产总值为11.5万亿元（人民币，下同），占全国经济总量的1/3，作为我国开放发展的前沿阵地，其具备良好的自然和社会经济发展条件，有望建成比肩美国纽约湾区、旧金山湾区和日本东京湾区的国际一流湾区.
|
图 1 研究区域 Fig. 1 Study area |
本研究数据包括构建评价指标体系所需的自然环境和社会经济两部分（表 1），数据处理过程如下：①台风频次数据：将下载的台风路径数据加载到ArcGIS中，通过点集转线、线密度分析以及掩膜提取获得大湾区台风影响频次数据；②距断裂带的距离：在地质云平台下载粤港澳大湾区主要活动断裂与历史地震分布图，通过GIS手动矢量化获得研究区主要断裂活动分布数据，运用欧氏距离计算各栅格单元与断裂带矢量数据之间的距离；③人口密度和夜间灯光数据：下载不同时期全国范围的人口密度和夜间灯光栅格数据，借助ArcGIS按掩膜提取工具获得研究区的人口分布和夜间灯光数据；④高程、坡度：借助ArcGIS从DEM数据中提取；⑤年均降水量、年均气温、臭氧含量和颗粒物PM2.5含量：从地球资源数据云平台下载栅格数据，在ArcGIS中通过掩膜提取不同时期的年均降水和年均温数据；⑥植被覆盖度：基于Landsat 5/7/8遥感影像数据计算归一化植被指数（NDVI）；⑦植被净初级生产力：从MOD17A3HGF Version 6.0产品中筛选中国区域，利用python和MRT工具对数据进行镶嵌、投影、重采样和裁剪等，将裁剪的不同省份数据加载到ArcGIS中，运用镶嵌至新栅格、按掩膜提取等工具获得研究区不同时期的植被净初级生产力数据；⑧生境质量指数：基于不同年份的土地利用数据，通过设置威胁因子和权重、各土地利用类型的生境适宜度及土地利用类型对威胁因子的敏感度、提取威胁源图层和运行InVEST模型的Habitat Quality模块计算不同年份的生境质量指数值. 具体的计算过程可参考中国山东省土地利用与生境质量时空演变特征[45]；⑨景观格局指数：在ArcGIS中提取研究区不同时期的土地利用数据，导出为栅格类型，运行Fragstats、选择景观指标（多样性），计算研究区不同时期的景观格局指数；⑩其它社会经济指标数据（如废水、废气排量、化肥和农药使用量、“三废”处理率等）：从年鉴或者统计公报中获取研究区各指标的社会经济数据，通过ArcGIS将其与研究区行政边界矢量面连接，要素转栅格获得各项指标不同时期的栅格数据.
|
表 1 数据来源 Table 1 Data sources |
1.3 研究方法 1.3.1 指标选取与评价体系构建 1.3.1.1 生态脆弱性评价指标体系
遵循科学性、综合性、代表性以及数据可获取性原则，选取PSR模型构建粤港澳大湾区生态环境脆弱性评价指标体系，该体系解释了外界压力对生态环境造成的改变，变化的程度以及如何应对的现实问题. 压力准则层从生态环境承受的自然环境和社会经济压力两方面考虑，自然环境压力重点探讨研究区的气象条件和地质环境特征. 粤港澳大湾区毗邻南海，面向太平洋，受低纬度热带气旋的影响，夏秋季节常有台风过境，强降雨会引发大洪水和城市内涝等灾害，通过分析历史时期该地的台风频次，可以了解大湾区所承受的气象压力. 地质环境体现地质灾害的发育情况，断裂带附近的剪力作用易导致岩体破碎，在台风等热带风暴潮的影响下诱发崩塌、滑坡和泥石流等. 粤港澳大湾区境内主要发育三组断裂，即NE向（恩平-新丰断裂、河源断裂、莲花山断裂、香港地区荔枝角断裂和佐敦谷断裂）、NW向（三水断陷、顺德断陷、斗门断陷、香港地区大潭断裂和鲤鱼断裂）和EW向（南岗-太平断裂、白坭-灵山断裂和西江断裂），潜在地质灾害发生的可能性较大，通过分析研究区各栅格单元距离断裂带的距离明确大湾区承受的地质环境压力. 社会经济压力主要探究人口分布和经济活动的影响，综上，选择台风频次、距离断裂带的距离、人口密度和夜间灯光指数这4个指标反映大湾区所承受的压力.
状态准则层从自然和社会经济状态两方面考量，自然地形高程和坡度影响区域植被生长类型、植被覆盖度以及相关社会经济活动的开展；气候条件如年均温和年均降水量通过影响作物生长的积温和对水土的侵蚀影响研究区的生态环境状态. 社会经济状态选择表征大气环境状况（臭氧含量、颗粒物PM2.5含量），表现排污状况（单位面积废水排量、废气排量）以及表现农业生产影响（化肥施用强度、农药使用强度）的指标进行表征.
响应准则层从生态系统受到威胁后的自适应调节能力以及人为采取的干预和治理措施角度选择指标. 植被净初级生产力、生境质量、植被覆盖指数和景观多样性指数体现生态系统中作物生长、土地利用和景观类型的动态变化；“三废”处理率体现人为应对生态破坏采取的响应措施. 构建的评价指标体系如表 2所示. 指标属性的正负表示指标与生态脆弱性的关系，正向指标表示指标数值越大，脆弱性越大；负向指标表示指标数值越大，脆弱性越小.
|
|
表 2 粤港澳大湾区生态脆弱性评价指标体系 Table 2 Ecological vulnerability assessment indicator system in the GBA |
1.3.1.2 城镇化水平评价指标体系
城镇化进程作为地区发展水平的参考和表征，是一个复杂的动态过程，伴随着人口、产业、社会、空间和生态等多维因素的变迁. 结合粤港澳大湾区城镇化发展实际情况，参考已有研究[28，39，46，47]，从人口变化、经济发展、社会变迁以及空间格局这4方面选择指标构建评价体系. 人口是地区发展的主观能动性因素，选择年末城镇常住人口数（包括本地拥有城镇户口以及外来居住在城镇的人口）和户籍人口城镇化率（体现本地城镇人口的变化）表示大湾区的人口特征；经济是地区发展的核心，选择地区生产总值（体现经济发展总体情况）、人均GDP（体现经济发展的平均状况）、固定资产投资额（反映固定资产投资规模、结构和发展速度）、财政收入（作为国家发挥职能的财力保证）、第一产业生产总值和二、三产业占比（两个指标体现产业结构变化）等6个指标体现研究区经济发展的特征；社会变迁最直观地体现在人们的生活方式、行为习惯以及价值观念等的转变上，选择社会消费品零售总额（表征居民消费结构的变化）、每万人拥有医疗机构床位数（体现社会基础设施特征）、中小学在校学生数（体现社会教育水平的变化）、电话普及率（反映社会整体的通信变化）和科技经费支出（表明社会对科学技术的支持、投入）这5个指标表征研究区社会转型的特征；空间格局是人口集聚和经济增长在地域空间上的反馈，土地利用结构的变化、交通设施发展水平能直观反映区域空间格局演变特征，因此选择路网密度和建设用地所占比例进行表征（表 3）.
|
|
表 3 粤港澳大湾区城镇化水平评价指标体系 Table 3 Evaluation index system of urbanization level in the GBA |
1.3.2 综合评价指数计算 1.3.2.1 指标标准化
为了消除原始数据之间数量级差异带来的误差，研究采用极值标准化法对其进行处理，计算公式如下[48].
正向指标：
负向指标：
式中，
本研究中各指标权重的确定采用主客观综合计算的方法，主观赋权选用AHP层次分析法，该方法主要根据专家知识和现有研究成果进行权重确定[49]，突出各指标横向比较的重要性. 客观赋权选用CRITIC法，该方法受数据驱动客观为指标赋权. 首先根据各指标取值的差异情况评价和决定如何分配权重，标准差越大，指标所能反映的信息量越多，便赋予较大的权重；其次是计算相关系数，即指标的冲突度，以指标之间的相关性为基础，如两个指标之间具有较强的正相关，说明两个指标冲突性较低，反之冲突性较高. 具体过程包括计算波动度（标准差）、冲突度（相关系数）、指标信息量和客观权重这4个步骤，计算公式如下[30].
第一步，计算第j项指标的波动度Sj（标准差）：
式中，Xij为原始数据的标准化数值；Xj为第j项指标的平均值.
第二步，计算第j项指标的冲突度Fj（相关系数）：
式中，rij为第j项指标与其他指标的皮尔逊相关系数.
第三步，计算指标信息量Cj：
第四步，计算指标权重Wj：
为保证指标权重的科学客观性，将两种赋权法相结合，公式如下[50]：
式中，Wij、Wi和Wj分别为综合、主观和客观权重值，为保证计算结果客观性，α取0.5进行计算.
1.3.2.3 生态脆弱性指数采用线性加权组合，将各指标标准化后的值与其对应的权重值相乘后累加，得到生态脆弱性指数值用于研究区生态环境脆弱性评价，计算公式如下[28]：
式中，EVI为生态脆弱性指数；Xi为第i个指标的标准化值；Wij为第i个指标的综合权重值；n为指标数量. EVI指数值越大，表示区域生态脆弱程度越高，反之生态脆弱程度越低.
1.3.2.4 城镇化水平指数参照前人研究，将城镇化各指标标准化的值与其相对应的权重相乘后累加，得到各区县的城镇化水平综合指数值（S），计算公式为[47，51]：
式中，S为城镇化水平；Xj为第j个评价指标的标准化值；Wj为对应指标的权重；n为指标数量. S值越大，表示城镇化水平越高，反之表示该地区城镇化水平越低.
1.3.3 耦合协调度模型耦合是指两个或两个以上的要素相互作用和影响的过程，反映系统从无序到有序的发展趋势. 本文使用耦合协调度模型分析生态脆弱性和城镇化相互作用关系，该模型已广泛应用于区域生态环境与城镇化相互关系的研究中，计算公式为[52]：
式中，C为耦合度，取值范围为0~1，C越大，表明耦合度越高；a和b为待定系数，由于生态环境改善和城镇化水平提高同等重要，因此令a =b=0.5；D为耦合协调度，D越大，耦合协调度越高. 根据耦合协调度D的大小以及生态环境与城镇化水平的关系，将耦合协调度划分为良好协调、中度协调、勉强协调、中度失调和严重失调这5大类15小类（表 4）.
|
|
表 4 生态脆弱性与城镇化水平耦合协调度分类和判别标准 Table 4 Classification and criteria for coordination degree of coupling between ecological vulnerability and urbanization level |
1.3.4 双变量空间自相关模型
空间自相关包括全局空间自相关和局部空间自相关，前者探究整个研究区域变量之间的相关性，而双变量全局空间自相关则可以揭示研究区域内不同变量之间的空间关联性和显著性. 本文通过双变量Moran's I分析粤港澳大湾区生态脆弱性与城镇化水平之间的空间关联性及交互作用关系，I取值区间为[-1，1]，I小于0、大于0和等于0分别表示空间自相关为负、空间自相关为正和无空间自相关，Moran's I绝对值越高，表明空间自相关性越强. 计算公式如下[53]：
式中，I为全局双变量Moran's I指数；n为研究区评价单元数量；Wij为空间权重矩阵；xi和xj分别为i和j的属性值；
地理加权回归模型（geographically weighed regression，GWR）是一种基于空间变化关系建模的局部线性回归方法，引入地理位置作为解释变量，同时考虑相邻点的空间权重，从而对局部空间关系与空间异质性进行解释. 本文使用GWR模型反映生态脆弱性与城镇化的交互影响在空间演化上的局部效应和时空特征，计算公式为[54]：
式中，yi为单元i的因变量；（ui，vi）为单元i的空间位置；β0（ui，vi）为单元i的常数项；βk（ui，vi）为单元i第k个自变量的回归系数；p为自变量数量；xik为单元i的第k个影响因素；εi为随机误差项.
2 结果与分析 2.1 生态脆弱性与城镇化水平时空变化特征 2.1.1 生态脆弱性时空变化特征为识别粤港澳大湾区生态脆弱性变化特征，利用ArcGIS将生态脆弱性综合指数值（EVI）分为：微度（0.1~0.2）、轻度（0.2~0.3）、中度（0.3~0.4）、重度（0.4~0.5）和极度脆弱（0.5~0.6）这5个等级. 结果显示大湾区2000年、2005年、2010年、2015年和2020年EVI均值分别为0.294 6、0.300 0、0.285 2、0.250 4和0.266 7（表 5），值越大说明研究区生态脆弱程度越高，生态环境越差. 整体而言EVI均值呈现先增加后下降再增加的动态变化趋势，表明生态环境不稳定. 2020年的EVI低于2000年，这体现了大湾区生态环境的优化，脆弱等级以轻度和中度为主，其中轻度脆弱区面积占比在2015年和2020年均达80%以上.
|
|
表 5 2000~2020年粤港澳大湾区生态脆弱性综合指数值 Table 5 Ecological vulnerability index of the GBA from 2000 to 2020 |
2000年EVI的范围是[0.182 6，0.461 9]，轻度和中度脆弱类型占比分别为57.52%和41.93%，重度、微度和极度脆弱类型占比仅0.55%. 空间上，中度脆弱区分布于三角洲平原、肇庆市南侧及佛山市等地区；轻度脆弱区一部分集中于大湾区北侧大稠顶、天堂顶、白云山和莲花山附近，另一部分分布于西南侧的山地丘陵区；微度和重度脆弱区零星散布于三角洲平原[图 2（a）]. 2005年EVI的范围是[0.186 8，0.554 7]，轻度和中度脆弱类型为主，重度脆弱区占比增至2.17%，微度和极度脆弱类型占比约0.04%. 中度和轻度脆弱类型的空间分布格局与2000年类似，重度脆弱类型分布于广州市（越秀区、天河区、海珠区和荔湾区）、东莞市以及深圳市（南山区、福田区和罗湖区）[图 2（b）]. 2010年EVI的范围[0.168 7，0.484 7]，轻度和中度脆弱类型占比分别为74.04%和25.35%，重度、微度和极度脆弱类型占比仅0.62%. 整体上EVI降低，轻度脆弱类型占比显著增加，重度脆弱区占比较2005年减少，表明该时期大湾区的生态脆弱状况缓解，生态环境逐渐优化. 空间上基本形成了中部三角洲平原的生态环境呈现中度脆弱，四周山地丘陵区的生态环境呈现轻度脆弱，重度和极度脆弱类型零星分布于三角洲平原的格局[图 2（c）]. 2015年EVI的范围为[0.136 7，0.544 6]，轻度和中度脆弱类型占比分别为82.08%和11.76%，微度脆弱区占比增至5.82%，重度和极度脆弱类型占比约0.33%. EVI的差值拉大（约0.407 8），这表明区域生态环境的差距明显. 空间上，中度脆弱区更加集中分布于中部三角洲平原，轻度脆弱类型区广泛分布于肇庆市、佛山市、惠州市以及江门市和珠海市，微度脆弱类型分布于东侧惠州市的九连山、罗浮山、天堂山以及莲花山等地区，重度和极度脆弱类型零星分布于广州市、深圳市和香港特别行政区[图 2（d）]. 2020年EVI的范围是[0.152 8，0.545 3]，轻度和中度脆弱类型占比分别为80.89%和16.57%，微度脆弱区占比1.88%，重度和极度脆弱类型占比仅0.66%. 空间上，轻度和中度脆弱类型与2015年的分布格局类似，中度脆弱类型在2015年的基础上略微向周边拓展，微度脆弱区出现于肇庆市北侧的大稠顶山区，重度和极度脆弱类型仍零星分布于广州市越秀区、天河区、荔湾区和海珠区，中山市、深圳市和香港特别行政区[图 2（e）].
|
图 2 粤港澳大湾区生态脆弱性空间分布 Fig. 2 Spatial distribution of ecological vulnerability in the GBA |
整体来看，2000~2020年粤港澳大湾区EVI最小值降低，最大值升高，均值波动下降，表明大多数区域的生态环境脆弱状况得到缓解，局部小区域的生态环境有所恶化. 脆弱度等级以轻度和中度脆弱为主，重度和极度脆弱区与2000年相比有所增加，在后续发展中需要重点关注. 空间上四周山地丘陵区的生态状况优于中部三角洲平原，西侧肇庆市和佛山市的生态环境经历了中度脆弱向轻度和微度脆弱的转变，整体环境趋好.
2.1.2 城镇化水平时空变化特征根据前述城镇化水平测算公式得到各研究单元不同时期城镇化水平综合指数值（S），为识别其变化特征，按照低水平（0~0.16）、较低水平（0.16~0.32）、中等水平（0.32~0.48）、较高水平（0.48~0.64）和高水平（0.64~0.80）的规则将S划分为5种类别. 结果显示过去20 a粤港澳大湾区S均值分别是0.266 7、0.299 0、0.318 9、0.335 3和0.348 5，整体稳步增长.
2000年S的范围是[0.040 5，0.651 1]，中等和较低水平类型地区分别占36.54%和32.69%，低水平地区约25%，较高水平地区约3.85%（图 3）. 空间上，环珠江口地区的城镇化水平高于北侧、东侧和西侧的外围边缘城市，香港特别行政区达到高水平发展程度[图 4（a）]. 2005年S的范围是[0.039 2，0.597 2]，中等和较高发展水平地区增加，占比分别为38.46%和11.54%，低和较低水平地区减少至23.08%和26.92%（图 3）. 空间分布上环珠江口城市以较高发展水平为主，向外辐散地区的城镇化水平较低[图 4（b）]. 2010年S的范围是[0.038 9，0.587 1]，中等和较高城镇化水平地区增加至46.15%和13.46%，低和较低城镇化水平地区减少至21.15%和19.23%（图 3）. 空间上，中等、较高以及高城镇化水平区域在珠江口两侧集中分布[图 4（c）]. 2015年的S较前3个时期均有所增加，范围是[0.083 6，0.654 1]，大湾区内约一半（48.08%）的城市发展水平达到中等，集中分布于珠江三角洲平原，低和较低城镇化水平地区的占比约19.23%和17.31%，分布于肇庆市、惠州市以及江门市的部分地区，较高水平地区的数量占比与2015年持平（13.46%），东莞市优化为高水平城镇化类型[图 4（d）]. 2020年S的范围是[0.075 5，0.713 8]，低水平区域减少至13.46%，较高水平地区增加至19.23%，中等水平地区仍占较大比例（42.31%），较低水平地区约23.08%（图 3）；空间格局基本稳定，中部三角洲平原各研究单元的城镇化水平较高，四周边缘各城市的城镇化水平低[图 4（e）]. 进一步计算5个时期粤港澳大湾区城镇化水平的变异系数值，分别为0.520 6、0.510 2、0.467 8、0.429 0和0.422 1，系数值不断减小，表明湾区内各城镇的发展水平差异逐渐缩小，整体城镇化水平持续优化.
|
图 3 粤港澳大湾区不同发展水平城市数量及比例 Fig. 3 Number and proportion of cities with different levels in the GBA |
|
图 4 粤港澳大湾区城镇化水平空间分布 Fig. 4 Spatial distribution of urbanization level in the GBA |
整体来看，过去20 a粤港澳大湾区城镇化水平逐步提升，各地发展差距缩小，发展等级显著优化，空间上形成了环珠江口及邻近地区城镇化水平较高，四周城市发展水平较低的格局.
2.2 生态脆弱性与城镇化水平耦合协调度分析为解析粤港澳大湾区生态脆弱性与城镇化水平的关联特征，计算两个变量的耦合协调度（D）. 依据判断标准，大湾区的生态环境与城镇化发展划分为6种耦合协调类型（图 5）. 5个时期的D值分别介于[0.334 5，0.645 2]、[0.331 4，0.675 5]、[0.324 9，0.672 4]、[0.375 0，0.701 0]和[0.368 5，0.701 3]之间，勉强协调和中度协调占比达90%以上. 中度失调类占比不足10%，且逐渐下降，该类型以城镇化损益型为主，地区城镇化水平低，但生态基底保护较好，肇庆市所辖德庆县、封开县、广宁县和怀集县均表现为中度失调城镇化损益型. 勉强协调类包括城镇化滞后型、生态环境与城镇化同步型以及生态环境滞后型这3类，以二者同步型为主，该类型地区的S与EVI差值小，良性互动趋势显著；城镇化滞后型的城镇数量从2000年的14个减少至2020年的4个，体现了20 a来大湾区城镇化水平的快速提升；生态环境滞后型地区数量从2000年的2个增加到2020年的6个，该类型区域在发展中破坏了生态系统的完整性，导致生态环境脆弱程度增加，但基本能与城镇化发展勉强协调，为了保持生态环境与城镇化发展的良性互动，需警惕生态环境和城镇化滞后类型的出现. 中度协调类包括生态环境与城镇化同步型和生态环境滞后型两类，其中二者同步型地区数量持续下降；而生态环境滞后型城镇数量在过去20 a增加了11个，需要重点关注该类型地区的可持续发展.
|
图 5 粤港澳大湾区耦合协调类型地区个数比例 Fig. 5 Proportion of districts type of coupling coordination in the GBA |
空间分布上粤港澳大湾区生态环境与城镇化发展的耦合协调关系呈现珠江入海口地区的发展协调性较好，四周边缘地区二者逐渐失调的格局（图 6）. 过去20 a肇庆市所辖德庆县、封开县、广宁县和怀集县生态环境和城镇化发展始终处于中度失调状态，该类型地区的生态环境保护较好，但是山地丘陵地形不利于农业大规模化发展，工业生产的规模小且利润低，第三产业的发展面临市场小、创新能力低和资金短缺等不利条件，多年来城镇化发展始终相对缓慢，未能突破城镇化损益型. 此外，勉强协调类生态环境滞后型地区数量逐渐增加，集中分布于中部三角洲平原，例如广州市白云区、佛山市高明区、深圳市盐田区和罗湖区等，该类型地区自身产业基础良好，同时享有国家及各级政府的政策支持，面向国内外的市场，吸引了大量投资，推动产业结构和社会经济发展水平的快速提升. 然而，发展中难免对大气、水和城市空间等生态环境造成破坏，导致生态环境滞后类型的出现，为了保持二者的良性互动，该类型地区首先应投入资金技术修复已破坏地区的生态环境，其次在后续发展中应持续重点关注，保持生态和城镇发展的良性互动. 最后，生态环境与城镇化发展得到优化的地区如肇庆市所辖四会市、鼎湖区和高要区，江门市所辖新会区、台山市以及惠州市所辖博罗县、惠东县等从勉强协调城镇化滞后型逐渐优化为二者同步型，2000~2010年，上述地区的生态环境与城镇化发展勉强协调，生态环境保护较好，但城镇化发展相对滞后，2015~2020年，城镇化水平显著提升，优化为勉强协调生态环境与城镇化同步型.
|
图 6 粤港澳大湾区耦合协调类型空间分布 Fig. 6 Spatial distribution of coupling coordination types in the GBA |
借助GeoDa软件的双变量全局空间自相关分析工具探究粤港澳大湾区生态环境与城镇化发展的空间关联特征与交互作用，5个时期的莫兰指数值均为正且逐渐增加，表明2000~2020年大湾区生态脆弱性与城镇化水平空间正相关，且关联性增强（表 6）.
|
|
表 6 粤港澳大湾区生态脆弱性与城镇化双变量Moran's I变量 Table 6 Bivariate Moran's I value for ecological vulnerability and urbanization in the GBA |
2.3.1 各因子作用强度分析
根据城镇化评价体系，从人口、经济、社会和空间这4个维度对生态脆弱性进行双变量空间自相关分析. 图 7显示过去20 a粤港澳大湾区城镇化进程对生态脆弱性的作用始终是正向的，其中，人口、经济和社会维度的作用强度波动变化，而空间维度的作用强度持续稳定增长. 2000年人口、经济和社会因素对生态脆弱性影响的莫兰指数值分别为0.082 5、0.013 1和0.077 5，P值分别是0.113 0、0.403 0和0.121 0，未通过显著性检验，空间格局的作用强度为0.273 2，表明其基本决定了大湾区生态环境脆弱性的空间分异格局. 2005~2020年4个维度的影响结果均通过显著性检验，表明生态环境脆弱性空间分布特征由人口、经济、社会和空间共同影响. 2005和2010年空间格局对因变量的作用强度分别为0.407 5和0.421 8，占据主导地位；2015和2020年主导影响因子变为人口因素，作用强度分别是0.477 1和0.472 5，空间格局的影响次之，作用强度分别是0.457 9和0.441 4，此外，经济和社会维度的作用强度较之前3个时期也显著增加. 城镇化4个维度的影响方式为人口集聚、经济增长和社会发展通过空间扩张的形式，如建设用地面积和路网密度的增加等影响生态平衡，进而影响生态脆弱性空间分异格局.
|
图 7 城镇化因子作用强度分析 Fig. 7 Analysis of the intensity of urbanization factors |
生态脆弱性对城镇化影响的作用方式为正向相关，而压力、状态和响应这3个层面的作用方式和强度存在差异（图 8）. 生态压力的影响是正向的，这包括自然环境台风和断裂构造带来的气象和地质灾害压力，也包括人口数量增加、分布集中及相应经济活动快速发展对城镇化过程造成的压力. 状态层面以正向方式对城镇化产生影响，作用强度呈现先增加后减小的趋势，2000年的影响结果未通过显著性检验，2005~2020年状态层面与城镇化水平的空间相关性先增加后下降，呈现波动变化态势，自然环境（如高程、坡度、降水和气温等）和社会环境（如臭氧、颗粒物PM2.5的排放量、废水废气排量以及化肥农药的使用强度等）与城镇化发展的关联性逐渐增强，从空间层面表征城镇化的动态变化. 生态响应与城镇化发展表现为显著的负相关，这与汤良研究湖南省的生态适应力与城镇化发展呈现明显负相关关系的结果一致. 中部三角洲平原在自然响应能力方面低于四周山地丘陵区，社会经济响应能力差距小，为了维持可持续发展的目标，四周山地丘陵区一方面投入资金对生态用地进行修复，偿还早期发展的“生态债”；另一方面限制当前和未来区域发展用地的扩张，这无疑会更加减缓城镇化的发展进程.
|
图 8 生态脆弱性因子作用强度分析 Fig. 8 Analysis of the intensity of ecological vulnerability factors |
通过GWR模型分析生态脆弱性与城镇化交互作用的空间格局，结果显示城镇化发展对生态脆弱性的影响是正向的，即城镇化水平的提高会加重生态环境的脆弱程度（图 9）. 2000年影响强度较大的区域主要分布在大湾区北部从化区、增城区和龙门县等和南部台山市、恩平市和开平市等；2005年影响强度较明显的区域仍以北部从化区、增城区和龙门县、博罗县和惠城区等为主；2010年和2015年，城镇化发展影响生态脆弱性的空间分布格局呈现自西向东递增的态势，西部肇庆市所辖区县影响强度较低，东部惠州市所辖区县影响强度较高；2020年影响强度的空间格局与上一阶段相反，呈现自西向东递减的态势. 不同时期城镇化发展对生态脆弱性影响强度的空间格局存在显著差异，体现了各城镇发展的阶段性差异，以2020年为例，西部城镇发展速度加快，对生态脆弱性的影响程度相对明显. 从数值变化上来看，城镇发展对生态环境作用强度差距减小，表明由城镇化发展造成的生态环境脆弱性差异逐渐缩小，生态环境脆弱性的原因更加综合化和复杂化.
|
图 9 城镇化对生态脆弱性作用强度空间分布 Fig. 9 Spatial distribution of the effect of urbanization on ecological vulnerability |
生态脆弱性对城镇化的作用强度空间分布特征如图 10所示，大部分地区呈现明显的正向作用，即生态环境脆弱度高的地区城镇化水平亦较高. 2000~2015年作用强度较明显的区域主要分布在东、西、南三侧的山地丘陵，这些地区生态脆弱度低，承载力高，环境脆弱程度加剧表示开发力度的增加，例如旅游和文化产业的发展，推进地区城镇化的发展进程；三角洲平原生态脆弱状况对城镇化发展的作用强度较小，中部地区的开发历史早、强度大，已经形成了相对成熟的生产方式和产业结构，受生态环境的约束作用较小. 2020年生态脆弱程度对城镇化发展作用强度呈现自东南向西北递增的空间分布态势，西侧肇庆市所辖区县的作用强度最明显. 从数值变化上来看，过去20 a粤港澳大湾区生态脆弱性对城镇化发展的作用强度呈现先增大后减小的波动减小趋势，表明各地区生态环境的差异对城镇发展不平衡的影响逐渐降低，城镇化发展的因素也更加多样化和综合化.
|
图 10 生态脆弱性对城镇化作用强度空间分布 Fig. 10 Spatial distribution of the role of ecological vulnerability on urbanization |
本文借助耦合协调度、双变量空间自相关和GWR等多种数理模型对粤港澳大湾区2000~2020年的生态脆弱性与城镇化演变特征和作用关系进行了分析，旨在降低生态脆弱性发生概率，推进生态环境与城镇发展可持续. 本研究发现：过去20 a粤港澳大湾区的生态脆弱程度缓解，城镇化水平不断提升，生态环境与城镇化的耦合协调度增加，基本以勉强协调和中度协调为主，这与王少剑等[55]发现2000~2015年珠三角各市城镇化水平整体提升，生态韧性水平不断降低，二者的耦合协调度由“基本协调”向“基本失调”下滑的结果有所区别. 主要原因在于王少剑等关注的生态韧性重点分析人类活动及其土地开发行为对生态空间的影响，指标体系偏重于生态空间规模和数量，因此其研究结果显示珠三角“内圈层”即深圳市城镇化水平高而生态韧性水平极低，二者严重失调，“中圈层”包括广州市、佛山市、珠海市、东莞市和中山市，这5市城镇化水平相对较高，生态韧性中等，二者的耦合协调度在2015年降至基本失调，“外圈层”包括江门市、肇庆市和惠州市，这3市城镇化水平滞后、生态韧性水平较高，二者处于基本协调阶段. 而本研究侧重于研究区生态环境所受胁迫及其应对能力的动态变化，随着区域发展水平的提升以及大湾区整体对生态环境问题的重视，中部三角洲平原各城市加大资金投入，修复其受损生态，在发展中也更加注重可持续性理念，从而推进了生态环境与城镇化的协调关系. 与其它城市群的研究进行对比，本文的研究结果与钱志权等[56]发现2006~2020年长三角城市群新型城镇化与低碳发展耦合协调发展水平逐年上升的结果一致；与京津冀地区城市化与生态环境耦合协调类型从严重不协调城市化受阻发展到高级协调生态环境滞后的趋势类似[36].
根据双变量空间自相关和GWR模型的分析结果，过去20 a大湾区的生态环境与城镇化交互胁迫影响，这与刘艳艳等[39]发现2000~2012年珠三角地区城市化与生态环境之间存在交互胁迫关系的结果一致，而本文进一步探讨了二者交互影响关系中各维度因子的作用方式和强度. 首先，城镇化各维度对生态脆弱性的影响是正向的，即人口、经济、社会和空间的指数值越大，生态脆弱程度越高. 2000年、2005年和2010年空间格局对生态脆弱性空间分异起主导作用，2015和2020年人口变化起主导作用，空间格局次之，经济和社会维度的作用强度较前3个时期显著增加. 空间格局由路网密度和建设用地所占比例两个指标进行度量，表征研究区土地利用结构和方式的变化，其动态演化过程体现了生态环境脆弱性的空间分异格局. 另外3个维度的作用过程表现为人口数量和密度的增加导致资源消耗量提升，生态压力加剧. 经济发展促使产业集中，部分经济活动可能导致生态环境受损，然而产业集聚效应带来的经济效益又可以为生态环境修复和保护提供资金支持. 根据量化研究结果，经济发展对生态脆弱性的作用方式是正向的，即危害大于收益，这表明未来对于生态环境的关注和资金投入应持续增加. 社会变迁中环保观念和意识的确立引导个体生活方式的改变，从根源上解决生态环境问题. 其次，生态脆弱性整体对城镇化的作用方式是正向的，然而其所囊括的压力、状态和响应这3个层面的作用方式和强度存在差异，生态压力和状态对城镇化的影响方式是正向的，即压力大和环境变化显著的地区城镇化水平亦较高；生态响应对城镇化的影响方式是负向的，即生态响应能力越高城镇化水平低，反之城镇化水平高. 生态响应能力由自然和社会经济响应能力两部分构成，以大湾区为例，中部三角洲平原的自然响应能力低于四周山地丘陵区，社会经济响应能力方面各地差距不大. 因此，更突出自然环境响应水平的生态响应层面对城镇化发展表现为负向作用. 在影响强度方面，2000年，压力层面对城镇化的影响强度最大，响应层面次之；2005年和2010年，响应层面最大，压力层面次之；2015年和2020年，压力层面最大，状态层面次之，响应层面的影响强度最小. 影响强度的变化一方面显示了生态环境与城镇化作用关系的复杂性和多样性，另一方面突出了生态环境压力的显著影响.
基于上述对大湾区过去20 a生态环境与城镇化发展的作用关系结果，提出未来该区高速可持续发展的方向：一是减轻生态压力，重点疏解中部三角洲平原的生态压力，通过对路、水、电和气等基础设施和教育、医疗和文化等公共服务资源的一体化建设，推进大湾区各城市实现资源共享和协同一体化发展，在疏解中部地区压力的同时，带动周边地区的发展；二是合理规制区域及城市内部的用地建设，通过组建协同管理机构统筹制定大湾区一体化发展战略和政策，严格区域和城市内部的用地规划管理，推进生态红线保护战略，完善生态保护红线综合监测网络体系等；三是持续关注，加大投资，及时发现问题并迅速采取措施予以解决，加大资金投入对生态环境受损地区开展关键生态功能区修复与治理工程，如珠三角北部生态屏障区内自然保护地中建设用地的清退和生态修复工作等，同时在未来的发展中通过先进技术和生产方式的优化降低对生态环境的胁迫；最后，解决生态环境脆弱问题，推进区域可持续发展的根本途径是发挥人的主体意识作用，只有全民参与、共治共享才能有效推进区域绿色生态发展，因此加大生态文化宣传教育并培育全民生态道德可作为长期践行的策略.
4 结论（1）2000~2020年粤港澳大湾区的生态脆弱类别以轻度和中度脆弱为主，EVI波动下降，表明生态脆弱程度降低，环境逐渐优化；空间格局上，中部三角洲平原的脆弱程度高，环境差，四周山地丘陵的脆弱程度低，环境好，肇庆市和佛山市的生态脆弱度由中度转变为轻度和微度，整体环境趋好.
（2）过去20 a大湾区的S值显著增加，表明城镇化水平提升，发展等级向较高水平优化，各区县发展差距缩小；城镇化发展的空间集聚态势明显，基本呈现环珠江口地区发展水平较高，四周边缘城镇发展水平较低的格局.
（3）2000~2020年粤港澳大湾区生态环境与城镇化的D值增加，二者基本以勉强协调和中度协调为主；空间上形成了珠江入海口地区耦合协调度值高，协调性良好，四周边缘地区协调性降低的格局. 20 a的发展中，生态环境与城镇化同步发展型地区数量增多，表现了相对协调可持续的发展关系，而生态环境滞后型地区数量的增多意味着出现生态环境被严重损耗的现象，有可能导致区域发展失衡，需要警惕和重点关注.
（4）双变量Moran's I和GWR模型结果显示大湾区生态环境与城镇化交互胁迫影响，城镇化演进通过人口、经济以及社会变迁在空间格局上的反馈加剧生态环境脆弱程度；生态环境通过压力和状态正向表征城镇化的水平，生态响应层面突出自然响应的负向反馈作用. 为了推进大湾区的高速可持续发展，未来应该从减轻压力、合理规制区域和城市内部的用地建设、加大投资和发挥人的主观能动作用等多方面采取措施.
（5）本文基本厘清了粤港澳大湾区生态环境脆弱性与城镇化发展之间的关系，但是在指标数据的处理过程中，由于来源差异，存在分辨率不同的情况，尽管分析中借助ArcGIS的重采样技术统一了分辨率，但结果可能略有偏差，未来可借助大数据和5G云计算提升评价结果的精确性.
| [1] | Nguyen K A, Liou Y A. Global mapping of eco-environmental vulnerability from human and nature disturbances[J]. Science of the Total Environment, 2019, 664: 995-1004. DOI:10.1016/j.scitotenv.2019.01.407 |
| [2] | Liu X P, Huang Y H, Xu X C, et al. High-spatiotemporal-resolution mapping of global urban change from 1985 to 2015[J]. Nature Sustainability, 2020, 3(7): 564-570. DOI:10.1038/s41893-020-0521-x |
| [3] | Chen M K, Xu X B, et al. Assessing ecological vulnerability and resilience-sensitivity under rapid urbanization in China's Jiangsu province[J]. Ecological Indicators, 2024, 167. DOI:10.1016/j.ecolind.2024.112607 |
| [4] | Adger W N, Kelly P M. Social vulnerability to climate change and the architecture of entitlements[J]. Mitigation and Adaptation Strategies for Global Change, 1999, 4(3): 253-266. |
| [5] | Boughton D A, Smith E R, O'neill R V. Regional vulnerability: a conceptual framework[J]. Ecosystem Health, 1999, 5(4): 312-322. DOI:10.1046/j.1526-0992.1999.09949.x |
| [6] | Turner B L, Kasperson R E, Matson P A, et al. A framework for vulnerability analysis in sustainability science[J]. Proceedings of the National Academy of Sciences of the United States of America, 2003, 100(14): 8074-8079. |
| [7] | Füssel H M. Vulnerability: a generally applicable conceptual framework for climate change research[J]. Global Environmental Change, 2007, 17(2): 155-167. DOI:10.1016/j.gloenvcha.2006.05.002 |
| [8] | Timmerman P. Vulnerability, resilience and the collapse of society[M]. Toronto, Canada: Institute for Environmental Studies, University of Toronto, 1981. |
| [9] | Adger W N. Vulnerability[J]. Global Environmental Change, 2006, 16(3): 268-281. DOI:10.1016/j.gloenvcha.2006.02.006 |
| [10] |
李鹤, 张平宇, 程叶青. 脆弱性的概念及其评价方法[J]. 地理科学进展, 2008, 27(2): 18-25. Li H, Zhang P Y, Cheng Y Q. Concepts and assessment methods of vulnerability[J]. Progress in Geography, 2008, 27(2): 18-25. |
| [11] | Huang X J, Huang X, He Y B, et al. Assessment of livelihood vulnerability of land-lost farmers in urban fringes: a case study of Xi'an, China[J]. Habitat International, 2017, 59: 1-9. |
| [12] | Li Y F, Zhang X X, Zhao X X, et al. Assessing spatial vulnerability from rapid urbanization to inform coastal urban regional planning[J]. Ocean & Coastal Management, 2016, 123: 53-65. |
| [13] | Sun B Q, Ma X, De Jong M, et al. Assessment on island ecological vulnerability to urbanization: a tale of Chongming Island, China[J]. Sustainability, 2019, 11(9). DOI:10.3390/su11092536 |
| [14] | Jin X, Jin Y X, Mao X F. Ecological risk assessment of cities on the Tibetan Plateau based on land use/land cover changes-case study of Delingha City[J]. Ecological Indicators, 2019, 101: 185-191. DOI:10.1016/j.ecolind.2018.12.050 |
| [15] | Xue L Q, Zhu B L, Wu Y P, et al. Dynamic projection of ecological risk in the Manas River basin based on terrain gradients[J]. Science of the Total Environment, 2019, 653: 283-293. DOI:10.1016/j.scitotenv.2018.10.382 |
| [16] |
徐兰, 罗维, 周宝同. 基于土地利用变化的农牧交错带典型流域生态风险评价——以洋河为例[J]. 自然资源学报, 2015, 30(4): 580-590. Xu L, Luo W, Zhou B T. Landscape ecological risk assessment of farming-pastoral ecozone based on land use change——a case study of the Yanghe watershed, China[J]. Journal of Natural Resources, 2015, 30(4): 580-590. |
| [17] | Jamshidi S, Bastami K D. Metal contamination and its ecological risk assessment in the surface sediments of Anzali wetland, Caspian Sea[J]. Marine Pollution Bulletin, 2016, 113(1-2): 559-565. DOI:10.1016/j.marpolbul.2016.08.049 |
| [18] |
杨飞, 马超, 方华军. 脆弱性研究进展: 从理论研究到综合实践[J]. 生态学报, 2019, 39(2): 441-453. Yang F, Ma C, Fang H J. Research progress on vulnerability: from theoretical research to comprehensive practice[J]. Acta Ecologica Sinica, 2019, 39(2): 441-453. |
| [19] |
苑全治, 刘映刚, 陈力. 气候变化下陆地生态系统的脆弱性研究进展[J]. 中国人口·资源与环境, 2016, 26(S1): 198-201. Yuan Q Z, Liu Y G, Chen L. Reviews on the vulnerability of terrestrial ecosystem to climate change[J]. China Population, Resources and Environment, 2016, 26(S1): 198-201. |
| [20] |
秦克玉. 生态脆弱性评估及其空间格局优化研究——以山东长岛为例[D]. 青岛: 中国科学院大学(中国科学院海洋研究所), 2019. Qin K Y. Eco-vulnerability assessment and spatial pattern optimization-a case study of Changshan Island of Shandong Province[D]. Qingdao: Institute of Oceanology, Chinese Academy of Sciences, 2019. |
| [21] |
张峰. 基于SD和DPSIRM模型的饮马河流域生态脆弱性评价[D]. 长春: 东北师范大学, 2019. Zhang F. Ecological vulnerability assessment of Yinma River Basin based on SD and DPSIRM model[D]. Changchun: Northeast Normal University, 2019. |
| [22] | Zhang X Q, Wang L K, Fu X S, et al. Ecological vulnerability assessment based on PSSR in Yellow River Delta[J]. Journal of Cleaner Production, 2017, 167: 1106-1111. DOI:10.1016/j.jclepro.2017.04.106 |
| [23] | 张环宇. 基于ESA模型的海岸带脆弱性研究——以山东省海岸带为例[D]. 青岛: 自然资源部第一海洋研究所, 2020. |
| [24] | Gong J, Jin T T, Cao E J, et al. Is ecological vulnerability assessment based on the VSD model and AHP-Entropy method useful for loessial forest landscape protection and adaptative management? A case study of Ziwuling Mountain Region, China[J]. Ecological Indicators, 2022, 143. DOI:10.1016/j.ecolind.2022.109379 |
| [25] | Wu X Y, Zhu C L, Yu J B, et al. Ecological vulnerability in the red soil erosion area of Changting under continuous ecological restoration: spatiotemporal dynamic evolution and prediction[J]. Forests, 2022, 13(12). DOI:10.3390/f13122136 |
| [26] |
郑慧玲, 王永红, 马卫. 基于PSR模型的珠江三角洲生态环境脆弱性评价[J]. 水土保持通报, 2022, 42(4): 210-217. Zheng H L, Wang Y H, Ma W. Evaluation of eco-environmental vulnerability of Pearl River delta based on PSR model[J]. Bulletin of Soil and Water Conservation, 2022, 42(4): 210-217. |
| [27] |
武帅, 田冰, 顾世杰, 等. 基于PSRM模型的京津冀地区生态脆弱性时空演变[J]. 环境科学, 2023, 44(10): 5630-5640. Wu S, Tian B, Gu S J, et al. Spatial-temporal evolution of ecological vulnerability in Beijing-Tianjin-Hebei region based on PSRM model[J]. Environmental Science, 2023, 44(10): 5630-5640. |
| [28] |
汤良, 胡希军, 罗紫薇, 等. 生态脆弱性与城镇化水平时空耦合及其交互影响因素——以湖南省为例[J]. 生态学报, 2024, 44(11): 4662-4677. Tang L, Hu X J, Luo Z W, et al. Spatiotemporal coupling of ecological vulnerability and urbanization level and their interactive influencing factors: a case study of Hunan Province[J]. Acta Ecologica Sinica, 2024, 44(11): 4662-4677. |
| [29] |
张中浩, 聂甜甜, 高阳, 等. 长江经济带生态系统服务与经济社会发展耦合协调关联时空特征研究[J]. 长江流域资源与环境, 2022, 31(5): 1086-1100. Zhang Z H, Nie T T, Gao Y, et al. Study on temporal and spatial characteristics of coupling coordination correlation between ecosystem services and economic-social development in the Yangtze River Economic Belt[J]. Resources and Environment in the Yangtze Basin, 2022, 31(5): 1086-1100. |
| [30] |
周玲燕, 李维杰, 王勇, 等. 重庆市城镇化与生态系统健康的时空耦合特征[J]. 水土保持通报, 2023, 43(2): 397-408. Zhou L Y, Li W J, Wang Y, et al. Spatiotemporal coupling characteristics between urbanization and ecosystem health in Chongqing City[J]. Bulletin of Soil and Water Conservation, 2023, 43(2): 397-408. |
| [31] |
黄莘绒, 管卫华, 陈明星, 等. 长三角城市群城镇化与生态环境质量优化研究[J]. 地理科学, 2021, 41(1): 64-73. Huang X R, Guan W H, Chen M X, et al. Urbanization and optimization of the Yangtze River Delta urban agglomeration[J]. Scientia Geographica Sinica, 2021, 41(1): 64-73. |
| [32] |
杨亮洁, 张小鸿, 潘竟虎, 等. 成渝城市群城镇化与生态环境耦合协调及交互影响[J]. 应用生态学报, 2021, 32(3): 993-1004. Yang L J, Zhang X H, Pan J H, et al. Coupling coordination and interaction between urbanization and eco-environment in Cheng-Yu urban agglomeration, China[J]. Chinese Journal of Applied Ecology, 2021, 32(3): 993-1004. |
| [33] |
郭力娜, 王刚, 姜广辉, 等. 2005-2019年辽宁省城镇化与生态环境质量耦合协调时空分异及影响因子研究[J]. 环境工程技术学报, 2022, 12(4): 1123-1133. Guo L N, Wang G, Jiang G H, et al. Spatial-temporal differentiation and influencing factors of coupling coordination between urbanization and eco-environmental quality in Liaoning Province from 2005 to 2019[J]. Journal of Environmental Engineering Technology, 2022, 12(4): 1123-1133. |
| [34] |
夏楚瑜, 国淏, 赵晶, 等. 京津冀地区生态系统服务对城镇化的多空间尺度动态响应[J]. 生态学报, 2023, 43(7): 2756-2769. Xia C Y, Guo H, Zhao J, et al. Dynamic responses of ecosystem services to urbanization at multi-spatial scales in the Beijing-Tianjin-Hebei region[J]. Acta Ecologica Sinica, 2023, 43(7): 2756-2769. |
| [35] | 王成新. 结构解读与发展转型: 中国城市化综合思辨[M]. 北京: 人民出版社, 2017. |
| [36] |
王少剑, 方创琳, 王洋. 京津冀地区城市化与生态环境交互耦合关系定量测度[J]. 生态学报, 2015, 35(7): 2244-2254. Wang S J, Fang C L, Wang Y. Quantitative investigation of the interactive coupling relationship between urbanization and eco-environment[J]. Acta Ecologica Sinica, 2015, 35(7): 2244-2254. |
| [37] |
张引, 杨庆媛, 闵婕. 重庆市新型城镇化质量与生态环境承载力耦合分析[J]. 地理学报, 2016, 71(5): 817-828. Zhang Y, Yang Q Y, Min J. An analysis of coupling between the bearing capacity of the ecological environment and the quality of new urbanization in Chongqing[J]. Acta Geographica Sinica, 2016, 71(5): 817-828. |
| [38] |
黄金川, 方创琳. 城市化与生态环境交互耦合机制与规律性分析[J]. 地理研究, 2003, 22(2): 211-220. Huang J C, Fang C L. Analysis of coupling mechanism and rules between urbanization and eco-environment[J]. Geographical Research, 2003, 22(2): 211-220. |
| [39] |
刘艳艳, 王少剑. 珠三角地区城市化与生态环境的交互胁迫关系及耦合协调度[J]. 人文地理, 2015, 30(3): 64-71. Liu Y Y, Wang S J. Coupling coordinative degree and interactive coercing relationship between urbanization and eco-environment in Pearl River Delta[J]. Human Geography, 2015, 30(3): 64-71. |
| [40] |
孙黄平, 黄震方, 徐冬冬, 等. 泛长三角城市群城镇化与生态环境耦合的空间特征与驱动机制[J]. 经济地理, 2017, 37(2): 163-170, 186. Sun H P, Huang Z F, Xu D D, et al. The spatial characteristics and drive mechanism of coupling relationship between urbanization and eco-environment in the Pan Yangtze River Delta[J]. Economic Geography, 2017, 37(2): 163-170, 186. |
| [41] |
崔学刚, 方创琳, 刘海猛, 等. 城镇化与生态环境耦合动态模拟理论及方法的研究进展[J]. 地理学报, 2019, 74(6): 1079-1096. Cui X G, Fang C L, Liu H M, et al. Dynamic simulation of urbanization and eco-environment coupling: a review on theory, methods and applications[J]. Acta Geographica Sinica, 2019, 74(6): 1079-1096. |
| [42] | Lin M X, Lin T, Sun C G, et al. Using the Eco-Erosion Index to assess regional ecological stress due to urbanization - a case study in the Yangtze River Delta urban agglomeration[J]. Ecological Indicators, 2020, 111. DOI:10.1016/j.ecolind.2019.106028 |
| [43] | Luo Z L, Shao Q X, Zuo Q T, et al. Impact of land use and urbanization on river water quality and ecology in a dam dominated basin[J]. Journal of Hydrology, 2020, 584. DOI:10.1016/j.jhydrol.2020.124655 |
| [44] | Li C, Ng M K, Tang Y Z, et al. From a 'World Factory' to China's Bay Area: a review of the outline of the development plan for the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Planning Theory & Practice, 2022, 23(2): 310-314. |
| [45] | Zheng H L, Li H. Spatial-temporal evolution characteristics of land use and habitat quality in Shandong Province, China[J]. Scientific Reports, 2022, 12(1). DOI:10.1038/s41598-022-19493-x |
| [46] |
方创琳, 王岩. 中国城市脆弱性的综合测度与空间分异特征[J]. 地理学报, 2015, 70(2): 234-247. Fang C L, Wang Y. A comprehensive assessment of urban vulnerability and its spatial differentiation in China[J]. Acta Geographica Sinica, 2015, 70(2): 234-247. |
| [47] |
李汝资, 黄晓玲, 刘耀彬. 2010-2020年中国城镇化的时空分异及影响因素[J]. 地理学报, 2023, 78(4): 777-791. Li R Z, Huang X L, Liu Y B. Spatio-temporal differentiation and influencing factors of China's urbanization from 2010 to 2020[J]. Acta Geographica Sinica, 2023, 78(4): 777-791. |
| [48] |
陈桃, 包安明, 郭浩, 等. 中亚跨境流域生态脆弱性评价及其时空特征分析——以阿姆河流域为例[J]. 自然资源学报, 2019, 34(12): 2643-2657. Chen T, Bao A M, Guo H, et al. Ecological vulnerability assessment for a transboundary basin in Central Asia and its spatiotemporal characteristics analysis: taking Amu Darya River Basin as an example[J]. Journal of Natural Resources, 2019, 34(12): 2643-2657. |
| [49] | Saaty R W. The analytic hierarchy process-what it is and how it is used[J]. Mathematical Modelling, 1987, 9(3-5): 161-176. DOI:10.1016/0270-0255(87)90473-8 |
| [50] |
王跃, 刘家福, 周林鹏, 等. 基于AHP——SPCA熵权模型的松花江流域生态脆弱性时空演变及预测[J]. 水土保持通报, 2023, 43(2): 212-219, 360. Wang Y, Liu J F, Zhou L P, et al. Temporal and spatial evolution and prediction of ecological vulnerability in Songhua River basin based on AHP-SPCA entropy weight model[J]. Bulletin of Soil and Water Conservation, 2023, 43(2): 212-219, 360. |
| [51] | Kang P, Chen W P, Hou Y, et al. Linking ecosystem services and ecosystem health to ecological risk assessment: a case study of the Beijing-Tianjin-Hebei urban agglomeration[J]. Science of the Total Environment, 2018, 636: 1442-1454. DOI:10.1016/j.scitotenv.2018.04.427 |
| [52] |
王成, 唐宁. 重庆市乡村三生空间功能耦合协调的时空特征与格局演化[J]. 地理研究, 2018, 37(6): 1100-1114. Wang C, Tang N. Spatio-temporal characteristics and evolution of rural production-living-ecological space function coupling coordination in Chongqing Municipality[J]. Geographical Research, 2018, 37(6): 1100-1114. |
| [53] | Zhang Y L, Hu X J, Wei B J, et al. Spatiotemporal exploration of ecosystem service value, landscape ecological risk, and their interactive relationship in Hunan Province, Central-South China, over the past 30 years[J]. Ecological Indicators, 2023, 156. DOI:10.1016/j.ecolind.2023.111066 |
| [54] |
袁文华, 范文君, 李建春, 等. 黄河流域典型县域生境质量的时空分异特征及影响因素研究[J]. 生态与农村环境学报, 2024, 40(5): 622-633. Yuan W H, Fan W J, Li J C, et al. Research on the spatiotemporal differentiation characteristics and influencing factors of ecological quality in typical counties in the Yellow River Basin[J]. Journal of Ecology and Rural Environment, 2024, 40(5): 622-633. |
| [55] |
王少剑, 崔子恬, 林靖杰, 等. 珠三角地区城镇化与生态韧性的耦合协调研究[J]. 地理学报, 2021, 76(4): 973-991. Wang S J, Cui Z T, Lin J J, et al. Coupling relationship between urbanization and ecological resilience in the Pearl River Delta[J]. Acta Geographica Sinica, 2021, 76(4): 973-991. |
| [56] |
钱志权, 韩佳银. 长三角城市群新型城镇化与低碳发展耦合过程与机理[J]. 长江流域资源与环境, 2023, 32(11): 2285-2297. Qian Z Q, Han J Y. Coupling process and mechanism of new-type urbanization and low-carbon development in Yangtze River Delta Urban Agglomeration[J]. Resources and Environment in the Yangtze Basin, 2023, 32(11): 2285-2297. |