《Remote Sensing》:Spatiotemporal Dynamics and Influencing Factors of Landscape Ecological Risk in the Shandong Peninsula Urban Agglomeration Based on Sub-Watershed Units
编辑推荐:
利用多期土地利用数据和生态指标量化景观生态风险(LER)对于理解区域生态动态至关重要。然而,LER评估对空间划分敏感,引入了不确定性。本研究开发了一个集成了遥感生态指数(RSEI)和丰度指数(AI)的改进LER模型,并通过对比分析鱼网、六边形、子流域和县级单元
利用多期土地利用数据和生态指标量化景观生态风险(LER)对于理解区域生态动态至关重要。然而,LER评估对空间划分敏感,引入了不确定性。本研究开发了一个集成了遥感生态指数(RSEI)和丰度指数(AI)的改进LER模型,并通过对比分析鱼网、六边形、子流域和县级单元,评估了空间单元效应。研究人员分析了2004年至2024年山东半岛城市群(SPUA)的LER动态,并应用增强回归树(BRT)模型量化了影响因素的相对重要性及其非线性效应。结果表明:(1)子流域单元在多个评估指标上表现出更强的稳健性和稳定性,支持其适用于LER评估;(2)过去二十年中,SPUA的LER呈现波动但总体微增趋势,并保持西低东高的空间格局;(3)起伏度(29.13%)和夜间灯光(17.78%)是塑造LER的主导因素,分别呈现倒U型响应和饱和非线性增加。本研究支持将子流域单元作为LER评估的适宜空间单元,并为城市化地区的地形敏感保护和可持续土地利用管理提供了见解。
【论文解读】基于子流域单元的山东半岛城市群景观生态风险时空动态及影响因素研究
**研究背景与问题**
自然条件变迁与人为驱动的加剧深刻改变了景观格局,威胁人类福祉所依赖的环境基础。大规模土地利用变化将自然景观快速转变为农业和城市化区域,导致生态系统服务功能衰退。景观生态风险(LER)作为衡量景观格局、功能与过程所受协同干扰影响的量化指标,是评估生态系统压力的重要工具。当前,LER评估方法主要分为基于干扰的源-汇法和LER指数法。LER指数法因其适用于区域尺度、能快速评估多源胁迫而广泛应用,但其依赖基于土地利用类型的固定脆弱性赋值,忽略了同一地类内生态条件的异质性。此外,空间单元的选择(如网格、流域、行政边界)显著影响结果,即可修改面积单元问题(MAUP)引入不确定性。现有驱动力分析多基于线性或单调假设,难以捕捉非线性响应和阈值效应。山东半岛城市群(SPUA)作为快速城市化区域,面临资源短缺、生态退化等压力,且景观格局与生态条件空间异质性显著,是研究LER的代表性区域。因此,本研究旨在:(1)评估空间单元配置对LER的影响,构建改进分析框架;(2)分析2004-2024年SPUA的LER时空演变;(3)利用增强回归树(BRT)模型识别关键影响因子及其潜在阈值效应。该研究发表在《Remote Sensing》期刊上。
**关键技术与方法**
研究人员采用多源数据构建了改进的LER评估模型。主要方法包括:(1)基于多期(2004、2009、2014、2019、2024年)土地利用数据,集成遥感生态指数(RSEI)和丰度指数(AI)到传统LER指数框架中,以反映生态条件和景观组成的空间异质性;(2)构建四种空间单元(鱼网网格、六边形网格、子流域单元、县级单元),通过对比分析评估空间单元效应,并利用空间自相关分析(全局Moran's I和局部LISA)量化聚类模式;(3)应用增强回归树(BRT)模型,通过10折交叉验证优化参数,量化九种自然与人为因子(如起伏度、夜间灯光、高程、降水等)的相对重要性及其非线性关系。数据来源包括GEE平台、Landsat影像、气象站记录、DEM等,所有因子重采样至100米分辨率,并基于空间单元进行均值统计。
**研究结果**
**3.1 跨单元景观生态风险比较**
通过对比不同空间单元下的LER模式(图4),发现鱼网和六边形网格单元呈现较高的空间碎片化,而子流域单元表现出更高的空间连续性和风险聚类。子流域单元在改进模型下与其它单元保持正相关(r=0.45-0.67),而县级单元在改进后变化最大。在均值变化上,子流域单元仅增加0.04,变异系数(CV)变化最小(+2.27%),表明其空间变异对模型修改不敏感。全局Moran's I显示子流域单元在改进模型后为0.41,且局部异质性关联(高-低和低-高)比例最低(<1.85%),说明其具有更强的局部空间一致性和边界稳定性。综合指标表明,子流域单元在LER评估中更为稳健。
**3.2 景观生态风险时空特征**
基于子流域单元,SPUA在2004-2024年间超过30%区域处于中度风险等级。极高风险区比例在后期整体上升,但2019年后略有下降。低风险区(西南部)收缩,中风险区扩张,总体LER呈微增趋势,均值约0.22。风险转移主要发生在相邻等级之间,中度与高风险之间的转换最为频繁(如2009-2014年转换面积达22,362.02 km
2)。不同土地利用类型中,耕地、建设用地和未利用地以高风险为主,而林地、草地和水域保持低风险(极高风险比例<9%)。
**3.3 景观生态风险影响因素**
BRT模型显示,起伏度(29.13%)和夜间灯光(17.78%)是主导因素,其次为高程(13.09%)和年均温(11.44%)。距离相关因子和土壤水蚀影响较弱(≤5.18%)。起伏度与LER呈倒U型关系,峰值约20 m;夜间灯光呈饱和非线性增加,阈值约36 nW cm
-2 sr
-1;人口密度超过约11,000人 km
-2后与高LER相关;年均温约13 °C时LER最高;降水在400-800 mm区间内LER下降,超出后回升;距旅游景点1500 m以内的影响强于高速公路;土壤水蚀超过19 t ha
-1 yr
-1后LER显著上升。
**讨论与结论**
**讨论部分总结:**
研究人员指出,纳入RSEI和AI改进了传统LER框架,通过引入生态条件和景观组成信息,增强了脆弱性表征的空间异质性,减少了空间单元依赖。多单元比较表明,子流域单元因其与水文和地形过程一致,表现出更稳定的统计特性和生态连贯性,而网格单元虽全局自相关强但易受模型修改影响,县级单元则过度平滑。研究强调,LER评估应综合考虑统计稳定性、聚类一致性和生态相关性。SPUA的LER时空动态显示,高风险区扩展与城市化相关,但2019年后因土地管控政策有所缓解。地形和人类活动是非线性驱动因素,起伏度阈值(~20 m)和夜间灯光阈值(~36 nW cm
-2 sr
-1)为差异化风险管理提供了依据。研究也承认局限性:仅评估有限空间单元类型,子流域划分受DEM分辨率影响,且结果基于单一研究区,未来需扩展验证。
**研究结论翻译:**
本研究开发了一个基于多单元比较的分析框架,以增进对LER及其尺度效应的理解。通过整合空间格局分析与非线性建模,揭示了LER的时空动态,并阐明了关键影响因子的作用。主要发现总结如下:(1)子流域单元在多个评估指标和建模框架下表现出一致的稳定性,表明其比其他空间单元具有更强的稳健性。单元间强相关性和对模型修改的有限敏感性进一步表明,它提供了稳定且空间连贯的LER模式表征。总体而言,子流域单元为SPUA的LER评估提供了稳健且合适的基底。(2)2004年至2024年间,SPUA超过30%的区域处于中度风险等级。总体而言,LER呈现微增趋势,2019年达到峰值,随后略有下降。空间上,低风险区主要集中在西部平原,而高风险区主要分布在东部平原,反映了持续的空间分异。(3)起伏度是主导的自然因子,与LER呈非线性倒U型关系,拐点约20 m,超过此值后LER下降。相反,夜间灯光强度与LER呈非线性正相关,表现为饱和效应,阈值约36 nW cm
-2 sr
-1。其他因子,包括高程、年均温和人口密度,也对其值域范围内的空间异质性有贡献。总体而言,本研究评估了空间单元选择对LER模式的影响,突出了子流域单元在捕捉生态过程方面的相对稳健性,并增进了对LER评估中单元相关不确定性的理解。未来研究可纳入层次化或自适应子流域方案以提高分析分辨率和可解释性,并进一步探讨不同空间配置下基于情景的景观演变如何影响生态过程表征。