《Ecological Indicators》:Spatiotemporal evolution and driving factors of the rural population-land-industry system in Alpine ecologically fragile areas: Evidence from the Qinghai-Tibet plateau
编辑推荐:
作为高海拔且生态脆弱的区域,青藏高原(Qinghai–Tibet Plateau, QTP)在协调乡村人口–土地–产业(Population–Land–Industry, PLI)系统方面面临严峻挑战。研究人员利用2010—2022年178个县(区)的数据,采
作为高海拔且生态脆弱的区域,青藏高原(Qinghai–Tibet Plateau, QTP)在协调乡村人口–土地–产业(Population–Land–Industry, PLI)系统方面面临严峻挑战。研究人员利用2010—2022年178个县(区)的数据,采用熵权–层次分析法(entropy–AHP)赋权、修正耦合协调度(Coupling Coordination Degree, CCD)模型、马尔可夫链(Markov chains)及XGBoost模型,分析了PLI系统的时空演化特征与驱动机制。研究结果表明:PLI系统综合发展水平呈渐进改善态势,但子系统间失衡依旧存在,空间格局呈现"东南高、西北低"的分布特征;CCD逐年提升但仍处于较低水平,长期状态转移概率偏低;自然条件,尤其是地形坡度、人口密度和高程,为影响PLI协调发展的主导驱动因素。
青藏高原作为全球海拔最高、生态最为脆弱的区域之一,是气候变化的关键热点区和亚洲重要的水源涵养地,对区域生态安全具有重大影响。然而,该地区复杂的地形地貌、严酷的气候条件及脆弱的生态系统对乡村发展形成了强烈约束。随着经济全球化与城镇化快速推进,全球乡村地区普遍面临人口外流、产业衰退、就业不足及传统文化侵蚀等挑战;在中国,尽管"乡村振兴战略"提供了制度与财政支撑,但劳动力长期向城市集中、土地与ilor产业发展滞后等结构性问题仍制约着乡村可持续发展。与高海拔农业平原或快速城镇化地区相比,高寒生态脆弱区的乡村系统更受环境承载力、生态脆弱性及可达性限制,人口、土地与产业发展呈现独特的交互作用模式。现有研究虽已涉及乡村多功能发展、乡村重构及协调治理等议题,但在以下三方面仍存在不足:其一,既有理论对PLI耦合关系及乡村系统演化机制的解释尚不充分,缺乏统摄三者的综合分析框架;其二,耦合协调与空间格局的定量测度较多,但驱动机制的定量识别相对薄弱;其三,既有研究多集中于东部沿海及城市周边地区,省域、市域或都市圈尺度的分析居多,而针对青藏高原的县域尺度研究仍较为匮乏。县域作为联结城乡要素流动的关键单元,在乡村振兴政策落地实施中发挥着核心作用,较之大尺度研究更能揭示区域异质性及乡村PLI系统的互动机制。基于此,研究人员以青藏高原178个县(区)为研究对象,综合利用熵权法与层次分析法(AHP)相结合的赋权方法以提升指标客观性,采用修正CCD模型分析乡村PLI耦合的时空演化特征,运用马尔可夫链模型探究其动态演化趋势,并通过XGBoost模型结合SHAP(SHapley Additive exPlanations)值识别协调发展的关键驱动因素与因果路径,为高寒生态脆弱区乡村系统协调及全球类似山地生态系统可持续发展提供实证依据与政策参考。
研究人员所采用的关键技术方法包括:基于熵权–AHP综合赋权法确定指标权重,构建包含人口、土地、产业3个子系统共14项指标的PLI综合评价体系,同时构建涵盖生态环境与社会经济2个维度共9项指标的驱动因子体系;运用修正CCD模型测度PLI耦合协调水平,该模型由发展度(T)、耦合度(C)与耦合协调度(D)三部分构成,并依据青藏高原实际情况将CCD划分为优质协调、良好协调、基本协调、轻度失衡、中度失衡、严重失衡6个等级;采用传统马尔可夫链与空间马尔可夫链模型揭示CCD的动态演化特征与空间依赖效应,前者构建4×4状态转移概率矩阵,后者引入空间滞后效应构建条件转移矩阵,并预测长期演化趋势;运用XGBoost机器学习模型结合SHAP值解释方法,以CCD为因变量、9项影响因子为自变量,识别关键驱动因素并量化其作用方向与强度,同时基于SHAP结果进行多因子交叉分类的空间潜力分区。
研究结果部分围绕四个主题展开。
**PLI系统综合发展水平的时空特征**。2010—2022年间,青藏高原乡村PLI系统综合发展水平呈逐步上升趋势,但各子系统增长差异显著。人口子系统与土地子系统增幅微弱,综合指数分别从0.309、0.070微增至0.311、0.072,表明在自然环境约束与生态脆弱性条件下改善缓慢;产业子系统增长最为显著,从0.099提升至0.171,成为系统演进的主要驱动力。整体而言,PLI系统仍处于相对较低发展水平,但正逐步由自然约束主导向产业驱动型发展转变。空间上,系统呈现清晰的"东南高、西北低"格局,各子系统分布特征相似。人口子系统高值区主要位于青东、川西及藏东南,低值区集中于阿里、那曲、玉树及新疆西南部;土地子系统高值区主要分布在林芝、昌都、甘孜南部及滇西北,低值区位于阿里、那曲及新疆西南部;产业子系统空间差异最大,高值区集中于拉萨、日喀则、林芝、青东及川西南,低值区位于阿里、那曲及新疆西南部。
**乡村PLI系统CCD的时空特征**。2010—2022年间,青藏高原乡村PLI系统的CCD呈逐渐上升趋势但仍处低位,平均值从0.329升至0.357,系统协调略有改善但整体失衡依旧。时序上,2010—2016年间CCD变化平缓,2016年后提升较为明显。空间上,协调格局呈"东南高、西北低"分布,较高协调区主要集中于青南、川西高原及藏东南,较低协调区位于阿里地区、羌塘高原及青藏高原北部。动态视角下,青南、川西甘孜阿坝及藏东南CCD显著提升,而西部及北部改善有限。热点分析表明CCD存在明显空间聚类,2022年热点区主要位于青南、川西高原及藏东南,冷点区集中于青藏高原腹地及西部(如阿里地区、青海西北部);与2010年相比,热点区扩张、冷点区收缩,表明CCD空间格局正逐步向高值集聚、低值减少方向演化。
**基于马尔可夫链的CCD动态演化特征**。传统马尔可夫链结果显示,对角线概率始终高于非对角线概率,CCD状态具有强稳定性与路径依赖性,对角线概率介于0.7820—0.9422之间,状态维持所获概率超过78%;状态Ⅰ(88.68%)与状态Ⅳ(94.22%)的高维持概率表明存在明显的"俱乐部收敛"现象,跨层级跳跃极为罕见。尽管如此,对角线两侧非零概率的存在表明存在向上与向下转移的可能,状态Ⅰ—Ⅲ的上行转移概率(10.02%、12.59%、11.29%)均高于下行概率(8.83%、8.56%、4.18%),表明系统存在正向演化的内在趋势。纳入空间效应后,空间马尔可夫链揭示了显著的空间溢出与"俱乐部收敛"特征:空间滞后类型Ⅰ下各状态均具强向下刚性,状态Ⅰ自锁定概率约95%,表明低水平区域易陷入锁定并对邻域产生负向溢出;空间滞后类型Ⅳ下向上转移动能显著增强,状态Ⅰ直接向状态Ⅳ转移概率达17.65%,体现高水平邻域的强正向溢出效应。似然比检验统计量Q
b=130.43,显著大于临界值χ
2(36, 0.01)=63.69(p=0.000),表明CCD动态演化不仅受自身状态影响,还受邻域条件制约,空间依赖性在协调发展过程中具有重要作用。
趋势预测方面,不考虑空间滞后时,极限分布与初始状态相比,状态Ⅰ—Ⅲ比例下降、状态Ⅳ从19.77%大幅升至43.22%,表明长期趋向更高协调等级,但上移过程缓慢。考虑空间滞后时,被低水平邻域包围的区域易锁定于低状态(状态Ⅰ维持概率53.56%),而被高水平邻域包围的区域则呈现更强上行转移倾向,如被状态Ⅲ区域包围时转移至状态Ⅳ的概率达47.17%,被状态Ⅳ区域包围时状态Ⅳ维持概率高达84.90%。
**影响因素分析**。研究人员对比了XGBoost、LightGBM、随机森林、支持向量机(SVM)、线性回归及弹性网络等多种机器学习算法,依据均方根误差(RMSE)、平均绝对误差(MAE)及决定系数(R
2)评价模型性能,XGBoost表现最优(RMSE=0.0259,MAE=0.0169,R
2=0.8367),故被选为最终分析模型。基于XGBoost模型的SHAP值分析显示,地形坡度(X3)、人口密度(X6)和高程(X5)为最具影响力因素,SHAP值显著高于其他变量,表明自然地理条件与人口集聚对PLI协调起主导作用;其中X3影响最大,反映地形条件对人类活动与产业发展的强约束;X6居次,表明适度的人口集中通过提供劳动力供给与市场需求促进协调发展;X5位列第三,凸显自然环境约束在高原地区的重要性。年总降水量(X1)与年平均气温(X2)重要性相对较高,气候条件对PLI系统协调具有显著影响。夜间灯光指数(X7)与归一化植被指数(NDVI, X4)的SHAP值相对较低,提示其影响较为间接或存在区域异质性。
SHAP依赖关系进一步揭示各因素边际效应的方向与强度差异。X1在低水平时呈负效应,超过约400 mm后转为正效应,表明适度降水促进协调;X2总体呈负效应,温度超过5℃时抑制作用加剧。X3呈倒U型关系,中等坡度(3°–5°)时正效应,两极则负效应。X4在极低水平时为负,但植被覆盖超过某一阈值后迅速转为正值,表明较高绿度显著促进系统协调。X5影响复杂,2500—3000 m区间呈明确正效应,3000—4500 m区间SHAP值波动剧烈且频繁降至零以下,影响不一致。X6总体为负,表明过度人口集中增加生态与资源压力;X7以正效应为主,反映经济活动对协调的促进作用。X8多数观测值集中于零附近,但指数低端出现显著负值,表明产业结构优化不足构成约束。X9多为负值,财政依赖度较高区域往往内生性发展能力较弱。
基于2022年多因子交叉分类的空间潜力分区显示,高综合潜力县主要集中于高原外围及过渡地带,提示这些区域在生态治理、社会经济发展与区域协调方面具有较大提升空间。
讨论部分,研究人员首先从PLI系统空间格局、演化趋势、影响机制及政策启示四个维度展开论述。在空间格局方面,青藏高原乡村PLI系统协调整体呈上升趋势,"东南高、西北低"格局与黄土高原、环渤海地区及全国尺度"东高西低"趋势一致,表明无论自然背景如何,地理区位、交通可达性与资源禀赋始终是系统协调的主导空间决定因素;但青藏高原"高低"空间梯度更为陡峭,核心与外围区域CCD差距超过全国平均水平,反映自然地理条件对系统协调演化的强约束。演化趋势方面,马尔可夫链表明青藏高原乡村CCD状态趋于稳定,长期突变概率低而正向发展概率超过衰退概率,这与已有研究一致,体现了高寒地区乡村系统的演进惯性与外部约束;脆弱的自然环境和不完善的基础设施限制快速结构转型,而生态保护政策与乡村振兴战略的持续推进则为区域发展提供稳定支撑。影响机制方面,地形坡度与高程通过影响土地利用模式、人口分布和产业布局而发挥显著作用,人口和产业活动高度依赖于生态承载力;产业结构优化与非农经济发展是促进系统协调的关键因素,交通运输条件与经济收入是人口土地耦合的核心因素;生态旅游与清洁能源等新兴产业将持续提升乡村PLI系统的协调水平,西藏自治区2024年清洁发电占比超过99%,居全国首位。政策启示层面,地形约束区应依据坡度与高程优化产业布局和基础设施,主导产业向坡度较缓、高程适中区域集中,极端地形区划定为生态保育或特色产业区以降低自然约束;稀疏人口区需改善公共服务和交通可达性以提高人口承载力,通过财政激励引导适度人口集聚和产业.clustering,提升土地–产业耦合效率。
研究结论部分如下:
(1)整体而言,2010—2022年青藏高原乡村PLI系统综合发展水平逐步提高,系统效率与协调性逐步改善,但子系统间差距显著,人口增长、资源利用与产业结构优化之间尚未实现完全同步。空间上呈现"东南高、西北低"格局,子系统分布一致,反映地理条件与发展基础不均衡的影响。
(2)CCD方面,呈现逐步提升但总体失衡态势。空间上遵循"东南高、西北低"格局,青南、川西高原及藏东南协调度较高,西部及北部边缘改善有限。热点与冷点分析表明格局由"低值集中、高值分散"向"高值集聚、低值减少"转变,反映系统协调逐步增强。
(3)马尔可夫链结果 reveal 青藏高原乡村PLI协调存在明显"俱乐部收敛"与空间溢出效应。跨越式转移稀少,正向演化概率超过衰退概率。长期预测显示由低协调向高协调转变,空间格局由"低水平锁定"向"高水平集聚"演化。
(4)影响因素分析表明,青藏高原乡村CCD由多因素共同塑造,地理约束与人口密度影响尤为显著。地形坡度、人口密度和高程为影响乡村PLI协调水平的前三位因素。