长三角地区景观生态风险与人类活动强度的响应及其时空关联

方 林，方 斌，刘艳晓，蔡 俊，李灿锋

长三角地区景观生态风险与人类活动强度的响应及其时空关联

方 林1，方 斌2※，刘艳晓3，蔡 俊1，李灿锋4

（1. 安徽农业大学经济管理学院，合肥 230036；2. 南京师范大学地理科学学院，南京 210023；3. 东北师范大学地理科学学院，长春 130024；4. 中国地质调查局昆明自然资源综合调查中心，昆明 650100）

人类活动是诱发区域生态风险的重要因素，但生态风险与人类活动在不同尺度下的表征效果不一，响应程度不同，从多尺度科学地研究区域景观生态风险与人类活动强度的关联特征对于协调区域人地关系地域系统矛盾，推动地区可持续发展具有重要意义。该研究以长三角地区为研究对象，基于1990—2020年4期土地利用、夜间灯光、人口空间分布数据，建立市域、县域、格网三级尺度，构建景观生态风险及人类活动强度评估模型，刻画不同尺度下二者的时空响应特征，并基于Copula函数、双变量空间自相关及耦合协调度模型，揭示景观生态风险与人类活动强度的时空关联性。结果表明：1）1990—2020年间不同尺度下长三角地区景观生态风险均呈现北高南低的空间分布格局，且高风险地区持续减少，低风险区均呈增加趋势，其中市域尺度下高风险地区的减势最明显，而县域尺度下，低及中低风险区总体增势最为显著；2）1990—2020年间不同尺度下长三角地区人类活动强度均呈现东北高西南低的空间分布格局且高强度区域均呈现显著上升趋势，而低强度区域均明显下降，其中格网尺度下高强度区域增幅最大，达13.42个百分点，市域尺度下低强度区域的减幅最为明显，达9.76个百分点；3）1990—2020年间长三角地区人类活动强度与景观生态风险呈现正向相关性，但人类活动强度对于景观生态风险的影响正在削弱。空间上高-高（H-H）集聚区域呈现持续减少趋势，而低-低（L-L）呈现先增后减的变化趋势，低-高（L-H）及高-低（H-L）在2010年后增势明显。研究结果可为长三角地区国土空间优化及生态安全维护提供理论依据，为区域生态风险防范和生态修复提供参考。

土地利用；景观；生态；人类活动；尺度响应；Copula函数；长三角地区

0 引 言

自工业文明诞生以来，人类凭借先进生产力得到了极大的物质满足，但膨胀的原材料需求，却给自然生态系统带来了沉重的负担[1]。已有研究表明，受气候变化及人类活动影响，全球陆地生态系统出现了不同程度的退化，且这一趋势今后或将进一步加剧[2]。事实上，区域尺度下较短时限内影响并诱发区域生态风险演变的自然因素往往趋于稳定，难以发生大的突变，但人类活动变化却异常激烈[3]，其显性作用于陆地表面间接改变土地利用的类型、格局、强度，并对区域景观格局及生态过程产生深刻影响，最终诱导区域景观生态风险（Landscape Ecological Risk，LER）发生演变。全面客观且精细地刻画人类活动与LER的时空关联特征是协调人地关系地域系统矛盾、探索区域可持续发展道路的重要科学问题[4]。

LER是指人类活动影响下景观格局与生态过程相互作用所产生的不利后果[5]。LER评价起源于20世纪90年代，较之于传统生态风险评价，其着重强调风险空间异质性的定量表征，其研究结果是支撑区域生态网络建设和生态可持续管理的重要依据[6]。历经30多年的研究发展，LER研究已发展成为了地理学及生态学的研究热点。目前，基于单一尺度进行LER评价的研究日益成熟[7]，其研究对象的选择既包括传统的流域[8]、行政区[9]及城市地域单元[10]，同时也包括工矿开采区[11]、海岸带[12]、农牧交错带[13]等重点风险控制区。但尺度变化及尺度差异增加了LER评价结果的不确定性，一定程度上造成了LER研究成果的割裂与脱节，极大地削弱了研究成果向实践的转化与应用。近年来，部分学者愈发关注景观生态研究过程中的尺度问题，如基于适宜空间粒度[14]选取研究尺度，但却鲜有研究关注LER评价过程中尺度变化的响应特征。

人类活动可以理解为人类为满足自身生存发展需要对自然生态环境所进行的各种开发、利用与保护行为的总称[15-16]。人类活动强度（Human Activity Intensity，HAI）是人类行为对自然环境所产生干扰作用程度的客观表征。定量化及可视化表征区域HAI是揭示其与生态环境变化间密切关系的基础。尽管伴随着3S技术的快速发展，土地利用、生态系统服务等可视化空间制图技术愈发完备[17]，但受限于人类活动的多元特征及复杂趋向，与人类活动相关的空间数据制备发展较为缓慢。高质量HAI空间数据的缺失极大地限制了研究人员对人类活动与生态风险间复杂作用关系的揭露，这也造成了二者研究的长期剥离与孤立。因此，长期以来相关研究多将人类活动视为辅助信息变量，鲜有关于HAI-LER关系的定量分析[18]。而HAI和LER评估的综合运用，不仅能深化人—地间复杂互动关系的研究，还能将人类福祉与生态环境变化相联系，更好地为区域生态环境保护政策制定提供理论支持。

长三角地区是人活动密集、经济发展显著且生态地位突出的典型区域之一。快速城市化致使域内耕地保护、经济发展及生态维护之间的矛盾激化，其所产生的次生环境问题严重迟滞阻碍了长三角地区的可持续发展。为缓解区域人—地间矛盾关系，区域政府实行了退耕还林、生态功能区划定等一系列政策法规。因此，本研究旨在以长三角地区为研究对象，探讨区域LER与HAI的尺度响应及时空关联特征，揭示域内人地关系的演变状况，以期为地区国土空间优化与生态安全维护以及区域生态风险防范和生态修复提供参考。

1 研究区概况与数据来源

1.1 研究区概况

长三角地区包括上海、浙江、江苏、安徽在内的3省和1直辖市共41个城市，是中国人口集聚和经济活跃程度最高的地区之一，据国家统计局资料显示（http://www.stats.gov.cn），截至2020年年底，域内人口总量约为2.35亿，占中国总人口的16.66%；地区经济生产总值达24.47万亿元，占全国GDP比值的24.08%。此外，地处长江下游平原，地形相对平坦，水热条件优越，年平均气温约为17 ℃。年降水量约1 368 mm，自然资源十分富足。受人类活动影响，长三角地区生态环境受到严重挑战，生态环境保护与经济社会发展间矛盾冲突愈发明显。系统梳理不同尺度下LER与区域HAI的时空关系演变规律，对于推进长三角生态绿色一体化发展示范区建设，加快构建区域生态环境共保联治机制具有重要意义。

1.2 数据来源与处理

以长三角地区为研究对象，基于1990—2020年4期土地利用数据、夜间灯光数据、人口空间分布数据，对长三角地区LER与HAI的时空关联特征展开分析。其中土地利用数据来源于中国科学院资源与环境科学数据中心（http://www.resdc.cn/），该数据空间分辨率为30 m´30 m，数据精度达90%；1992—2013年DMSP/OLS稳定夜间灯光数据的像元灰度值范围为0～63。2012—2018年NPP/VIIRS影像为月尺度数据。2种夜间灯光数据均来源于NOAA网站NGDC数据中心（https://www.ngdc. noaa.gov/eog/download.html），空间分辨率为1 km´1 km。人口空间分布数据来源于资源环境科学数据注册与出版系统的中国人口空间分布公里网格数据集（http://www.resdc.cn/），空间分辨率为1 km´1 km。其中部分年份的夜光数据及人口空间分布数据缺乏，本研究采用相近年份的夜间灯光遥感数据及人口空间分布数据进行替代和线性插值处理。为便于研究运算，借助ArcGIS 10.5软件将所有栅格数据重采样至100 m´100 m，投影统一为Krasovsky_1940_Albers。

2 研究方法

2.1 研究尺度划分

本研究以长三角地区为研究对象，探讨区域LER与HAI的时空演变规律，借助ArcGIS10.5软件，创建3种不同类型的评价单元尺度，即市域尺度、县域尺度、格网尺度。在格网尺度下，参照已有研究[19]，采用10 km×10 km格网尺度既能保证研究的精度需求，且运算量相对较低。其中县域及市域尺度，参照2020年行政区划标准进行划分。分别计算3种不同尺度下的LER及HAI变化，对比研究区不同尺度下的景观生态风险及人类活动强度的空间分布及其异质性，揭示长三角地区LER与HAI对尺度变化的响应特征。

2.2 LER评估

景观格局变化引起的生态风险受外部因素和内部因素的影响，其中外部因素是指生态系统在受到胁迫时的干扰程度，用景观干扰度进行表征；内部因素是指生态系统抵御压力时的脆弱程度，借助景观脆弱度进行表征。研究基于Fragstats4.2软件，基于研究区实际情况及已有研究[20]，围绕景观干扰度指数、景观脆弱度指数构建长三角LER评价模型，具体计算式为

式中D第景观类型的景观干扰指数；、、分别代表相应的各景观指数的权重，++=1，参照尉芳等[21]研究成果，、、分别定为0.5、0.3、0.2；F表示景观破碎度，S表示景观分离度，FD表示景观分形维数；N表示景观类型的斑块数量，A表示景观类型的面积，为景观类型的总面积（hm2），P为景观类型的周长（m）。R表示第类景观类型的生态损失度指数；V第景观类型的景观脆弱度指数，其中景观脆弱度指数参照已有研究成果[22]，采取专家打分法，对不同景观类型进行赋值，其中未利用地、水域、耕地、草地、林地、建设用地分别赋值为6、5、4、3、2、1，经归一化处理得到各景观类型自身的脆弱度指数：未利用地0.29、水域0.24、耕地0.19、草地0.14、林地0.10、建设用地0.05；ERI为第个风险小区生态风险指数，A为第个风险小区第类景观的面积，A为第个风险小区的面积。

2.3 HAI表征

HAI是度量人类改造自然力度的有效指标[18]，现有关于HAI的表征方法可概括为直接或间接空间化两类空间表征的方法。其中土地利用变化是人类经济社会活动的综合反映，同时可看作人类活动作用于陆地表面的显性后果，是用以表征HAI的理想媒介。但单纯以土地利用变化等替评价HAI的方法，既难以反映多元、复杂和综合的人类活动，同时也会与同样以土地利用数据为基础的景观生态风险评价产生一定程度的内生效应。为此，本研究在综合前人研究的基础上，引入夜间灯光及人口空间分布数据，并借鉴荣益等[23]的研究成果，综合Lohani清单法、Leopold矩阵法及Delphi法3种方法，并通过求取平均值的方法减少系数误差，最后针对不同土地利用类型赋予不同的人类活动影响强度系数，进而构建长三角地区HAI综合评价模型，其表达式如下：

式中、、分别表示归一化后的夜间灯光指数NTL、人口分布数据PD、以及土地利用数据LU的指标权重。参照陈泓瑾等[4]研究成果，、、分别取0.3、0.3、0.4。

2.4 LER和HAI分级标准

有鉴于研究涉及的时间跨度较大，尺度较多，为便于直观展示1990—2020年间不同尺度下LER及HAI时空演化特征，参照已有研究成果[24]，采用Jenks最佳自然断裂法，将LER与HAI由低向高划分为5个等级。

2.5 时空关联分析

2.5.1 Copula函数建模

Copula理论是由Sklar于1959年首次提出，旨在揭示不同变量间线性及非线性的复杂关系，传统皮尔逊相关分析仅能够度量线性变化下保持稳定的指标，其数据要求严格的正态分布，难以捕捉变量间的非线性关系[25]。Copula函数可有效避免以上问题，现已在经济学、生态学、气象学等复杂科学领域得到广泛的应用[26]。常见的Copula参数族包括椭球Copula（二元Gaussian Copula、二元t-Copula）、阿基米德Copula（二元Gumbel Copula、Clayton Copula、Frank Copula）。不同Copula函数的选择直接关乎不同变量间关联测度的结果，因此Copula建模的一个核心问题便是Copula函数的选择问题。本研究基于Copula理论，采用非参数估计，借助核分布估计法调用合适的Copula函数，构建LER-HAI互动关系分析模型，采用平方欧氏距离2（其值越小，模型拟合度越高）对模型进行验证，完成Copula函数的寻优计算，分析LER-HAI的时序演变规律。研究选用Kendall以及Spearman秩相关系数对LER与HAI的互动关系进行测度，二者在数据服从正态分布时与Spearman相关测度结果一致，相较之下，Kendall和Spearman秩相关系数能够同时测度变量间线性及非线性的复杂作用关系，其相关性测度结果更加可靠[27]。建模过程通过MATLAB 19b软件完成，不同函数的表达式见文献[28]。

2.5.2 双变量局部空间自相关

为进一步刻画长三角地区HAI与LER在空间上的互动关系变化，本研究借助双变量局部空间自相关分析方法，探究LER与HAI的空间关联模式，并通过GeoDa 1.18软件绘制LISA聚类图。模型的具体表达式参照文献[29]。

2.5.3 耦合测度

借助物理学中的耦合模型，构建LER与HAI的耦合协调度模型，定量分析长三角地区LER与HAI耦合过程与演进趋势，计算式为

式中表示长三角地区LER与HAI的耦合系数，反映二者间相互影响的程度；表示二者间的综合调和指数（本研究参照前人[30]研究成果，待定系数和取0.5）；表示LER与HAI的耦合协调程度。

3 结果与分析

3.1 长三角地区LER时空特征分析

1990—2020年间不同尺度下长三角地区景观生态时空变化特征，如图1、图2所示。整体来看，1990—2020年间不同尺度下长三角LER高风险面积占比均呈现下降趋势，低风险地区均呈现上升趋势，中风险地区扩大趋势明显；3种尺度下的LER空间分布存在明显的共性规律，即北高南低的空间分布格局，高风险区主要分布在长江以北地区，低风险区主要分布于皖西、皖南、浙西南地区。不同尺度下LER呈现不同的尺度响应特征，其中市域尺度下，高风险区较其他尺度减少最为明显，1990 —2020年间下降了19.51个百分点，低风险区增长较其他尺度亦最为明显，但中低风险区域呈现减少趋势，因此低及中低风险区总体增长趋势较低，仅为4.88%。县域尺度层面，高风险及中高风险区域面积占比均呈现减少趋势，30 a间分别减少17.60和3.60个百分点，低及中低风险区总体增幅较其他尺度最为明显，1990 —2020年间共增加了16.29个百分点。格网尺度层面，高风险区占比较低，减势平缓，中高风险区占比1990—2020年间减少了8.79个百分点，中风险区域整体稳定在31.00%左右，低及中低风险区总体占比较大，但总体增幅较低，30 a间总体增加了10.39个百分点。

3.2 长三角地区HAI时空特征分析

1990—2020年间不同尺度下长三角地区HAI的时空变化特征，如图3所示。3种尺度下，区域HAI时空变化整体保持一致，其中高强度及中高强度区域面积占比持续上升，中强度Ⅲ区域面积占比相对稳定，中低强度及低强度区域面积占比均呈现下降趋势，这表明1990—2020年间长三角区域人类活动呈现低强度向高强度递进的时序变化特征。空间上长三角地区HAI呈现东北高西南低的空间分布格局，其中高强度地区主要围绕以上海为核心的长三角城市群附近，而低强度区则主要分布在皖西、皖南及浙西地区的丘陵山地附近。具体到不同的尺度条件下长三角地区HAI的时空特征而言，市域尺度向格网尺度的递减变化过程中，高强度区域占比不断扩大，在格网尺度下，高强度区占比由1990年的0.91%增长到2020年的14.33%，增幅最为明显，达13.42个百分点，县域尺度下，中高强度区的增幅变化最为明显，30 a间增幅达24.10个百分点，中等强度区区域在格网尺度下减幅最为明显，1990—2020年间减少了14.54个百分点，中低强度区在县域尺度下变化最为明显，达16.29个百分点，市域尺度下低强度区域的减幅最为明显，30 a间减少达9.76个百分点。

图1 1990—2020年不同尺度下景观生态风险（LER）等级占比变化特征

图2 1990—2020年不同尺度下LER时空变化特征

3.3 长三角地区LER与HAI时空关联分析

3.3.1 特征尺度选择

有鉴于多尺度所带来的冗杂性，本研究参照黄木易等[31]的研究方法，基于半变异系数，选取具有最佳空间响应特征的尺度，不同尺度下LER和HAI的半变异系数如表1所示，其中半变异系数越大，表明其空间差异的信息量越丰富，反之信息量越少。综合考虑LER和HAI的半变异系数值及样本量，本研究将格网尺度作为LER及HAI时空关联研究的特征尺度。

3.3.2 LER与HAI时间关联特征

Copula函数相关性测度结果如图4所示。选用Clayton Copula函数时，平方欧氏距离2相对较小，这说明Clayton Copula函数下的模型拟合优度最好，因此本研究主要围绕Clayton Copula函数运算结果对1990—2020年间HAI和LER相关性进行分析。综合Kendall以及Spearman的相关性测度结果可知，长三角地区LER与HAI呈现明显的正向相关性，即伴随着HAI的增加，区域LER将不断增长。但值得注意的是1990—2020年间Kendall以及Spearman相关系数均呈现由高向低的下降趋势，其中Kendall由1990年的0.458 5下降到2020年的0.309 8；而Spearman由1990年的0.634 8下降到2020年的0.447 3。综合以上结果，本研究认为1990—2020年间HAI与LER始终呈现正向相关关系，且相关性减弱趋势明显，但在未来较长一段时间仍将呈现正向相关性。这意味着长三角地区HAI的增加对于区域LER的影响正在削弱，即二者的冲突性降低，协调性增加。

图3 1990—2020年不同尺度下人类活动（HAI）强度时空变化特征

表1 长三角地区LER与HAI半变异系数

3.3.3 LER与HAI空间关联特征

双变量局部空间自相关分析结果如图5所示，H-H区表示高HAI与高LER集聚；L-L表示低HAI与低LER集聚；H-L表示高HAI与低LER集聚；L-H表示低HAI与高LER集聚。H-H区域早期（1990年）主要分布在安徽中部、江苏东南部以及上海周边地区，但2000—2020年间，H-H区域呈现明显减少趋势，并向江苏中部、安徽中北部转移。L-L地区主要分布于皖西大别山、皖南丘陵、浙西南地区，1990—2000年间L-L区域面积占比稳定，2010—2020年间L-L占比呈现一定的下降趋势。L-H地区与H-L地区则呈零星状的空间分布特征，整体面积占比较少，L-H与H-L地区占比均呈现增长趋势，其中L-H主要增长区域为安徽、江苏中部及皖江城市带地区；而H-L地区的增长区域则分布于以上海为核心的城市群周围。

3.3.4 LER与HAI耦合度分析

为进一步探明LER与HAI之间互动关系，本研究对二者间耦合协调关系的演进趋势进行分析，结果如图6所示。长三角地区1990—2020年间的耦合协调度“质心”值为0.305 8。按照此前研究对于耦合协调度的范围定义[30]，0.2<≤0.4，表示轻度失调。这表明LER与HAI处于冲突阶段，且轻度失调。而1990—2020年间LER与HAI的耦合协调度整体上呈现增长趋势，由1990年的0.303 1上升至2020年的0.311 2。这表明LER与HAI间关系逐渐由冲突向协调转变。耦合度分析结果印证了此前关于长三角地区LER与HAI时空关联特征的结论。

注：Kendall τ，Spearman ρ表示HAI与LER的相关系数；d2表示不同Copula函数的平方欧氏距离。

注：H-H区表示高高集聚；L-L表示低低集聚；H-L表示高低集聚；L-H表示低高集聚。

图6 1990—2020年长三角地区耦合协调度变化

4 讨 论

4.1 LER与HAI多尺度时空变化特征

1990—2020年间长三角地区不同尺度下LER等级较高地区均呈现持续减少趋势且减势在近年来有着明显的加剧，而低风险等级地区呈现明显的上升趋势且近年来增势愈发明显。这与Ran等[32]此前的研究结论一致。呈现如此变化趋势得益于2000年来中国政府针对长三角地区生态环境治理所提出的诸如：“退耕还林还草（2001年）”“大别山水土保持生态功能区（2010年）”“新安江流域生态补偿试点（2011年）”等一系列支持性政策有关。长三角地区LER呈现北高南低的空间分布格局，区域东北部大面积的高风险地区减少及西南部大面积低风险区域的增长预示着长三角地区生态环境整体向好的趋势特征，同时也表明区域政府的生态治理保护措施取得了显著成效。

1990—2020年间，不同尺度下长三角地区HAI均呈现明显的上升趋势，特别是高强度地区面积占比持续增长，低强度地区面积占比呈现明显的降低趋势，这与长三角地区良好的自然禀赋、得天独厚的区位优势、发达的经济基础有着密切的关系，三者显著影响并重塑着区域人口空间分布格局，使得长三角地区成为全国性的人口集聚中心。人口集聚与HAI攀升是区域社会经济发展的必然结果，该趋势或在未来进一步加剧。预防长三角东北部HAI较高地区的生态环境质量下降及生态风险升高，是区域生态治理与保护的重点。

尺度对于揭示LER与HAI的时空演化特征十分关键，由于生态系统及人类活动的高度复杂性，不同尺度下LER与HAI的时空特征存在一定的差异。但研究发现，不同尺度下，无论是长三角地区LER或是区域HAI的时空特征均存在明显的共性，诚然亦存在一定的差异特征，这与张弛等[33]此前的研究结论较为一致。无论是LER还是HAI，二者的时空特征均会受到取样尺度变化的影响，但这种影响并不是颠覆性的。由于较大尺度的空间幅度及粒度均高于小尺度，这就使得较大尺度下的研究分辨率偏低，局部范围的景观或人类活动信息易被模糊与忽略，但这并不意味着较大尺度下研究结论的失真，相反不同尺度有其对应的实践目标。单一尺度下的LER或是HAI研究会忽略甚至扭曲其时空演变的某种规律，淡化或削弱研究结果的适用性或实践性，区域政府在开展当地生态保护与治理实践时，应依据不同的治理范围及治理目标选择合适的尺度研究结果。

4.2 LER与HAI的时空关联

研究发现，1990—2020年间HAI与LER呈现较强的正向相关性，即HAI的增加会激发区域LER的产生，这与前人[34-35]的研究结论一致。但与之不同的是，长三角地区人类活动与生态风险间的相关系数呈现持续衰减态势，这表明区域HAI的增加对于LER的影响正在削弱，二者关系正经历冲突向协调的转变。耦合度分析结果表明长三角地区LER与HAI处于轻度失调水平，但区域LER与HAI的耦合协调度却呈现明显的上升趋势，这也印证了“长三角地区人类活动与生态风险间关系由冲突向协调转变”这一结论。

传统观点认为人类活动加剧会给自然生态系统带来沉重的负担，激化区域人地关系地域系统矛盾。但近年来部分学者[36-37]研究认为，人类社会发展与自然生态环境的关系会呈现先恶化后改善的倒U形发展趋势，即经典的“环境库兹涅茨曲线”假说。受经济社会发展影响，人口会向发达的城市地区集聚，高强度的人口负荷，会对区域自然生态产生一定的影响，其影响程度与区域生态承载力有关，因此长三角地区HAI与LER呈现正向相关关系，但伴随着经济发展至一定水平，人们生态保护意识的提高加之区域政府对于生态保护与治理力度的提升，HAI的增加对于区域LER的影响会逐步降低，甚至出现“拐点”。中国政府近20多年的生态保护实践也表明：通过政策干预手段，能够有效降低区域生态风险，及时修复受创的自然生态系统。

尽管HAI对LER的激化效应明显淡化，但“冲突”向“协调”关系转换的过程是漫长的，未来区域政府仍需加强域内的生态环境保护。当地政府可结合HAI与LER的空间关联特征，因地制宜分区治理。其中，高HAI和高LER地区主要分布于皖中、苏东南及上海周边地区，但伴随着长三角核心城市群产业升级，经济转型，外来务工人员呈现一定的回流趋势[38-39]，区域发展对于自然生态系统的扰动逐渐减少，因此在近年来高强度-高风险地区整体减少，且逐渐向江苏中部及安徽中北部扩散，而这些地区人口稠密，经济起步晚，发展迅速，城市扩张明显，对生态的扰动程度明显增强。因此2010年后江苏中部及安徽中北部地区低HAI-高LER区域明显增多，而上海等长三角核心城市群附近地区的高HAI-低LER区域也呈现了增长趋势。此类现象的产生，本质是长三角内部不同地区发展阶段的差异所造成的[40]。未来需警惕长三角腹地经济腾飞过程中所产生的次生环境问题，加快长三角核心区域的产业升级及经济转型节奏，扩大高HAI-低LER区域面积，协调二者间的关系；同时着重加强皖西、皖南、浙西南等低HAI-低LER地区的生态保护，防止区域经济发展侵吞原有的自然生态空间。

Copula函数的应用能够很好的弥补现有研究对变量间可能存在的非线性关系关注不足的问题，但受限于模型及连续数据缺失的影响，研究对于HAI与LER线性及非线性关系转换的阈值揭示不足，后续需要探究更为适当方法揭示二者关系转换的阈值，并对二者的关联机制进行剖析。

5 结 论

本研究基于多期土地利用、夜间灯光及人口空间分布数据，分别探讨了景观生态风险（LER）与人类活动强度（HAI）的尺度响应特征，并基于Copula函数、双变量空间自相关及耦合协调度模型，对二者的空间关联特征进行细致分析，研究结论如下：

1）1990—2020年间不同尺度下长三角地区LER均呈现北高南低的空间分布格局，且高风险地区呈现减少趋势，低风险地区占比明显增多；市域尺度下，高风险地区减势最明显，30 a减少了19.51个百分点；县域尺度下，低及中低风险区总体增势最为明显，30 a间增加了16.29个百分点。

2）不同尺度下长三角地区HAI均呈现东北高西南低的空间分布格局，高强度地区主要分布在以上海为核心的长三角城市群附近，而低强度区则主要分布在皖西、皖南及浙西南地区；1990—2020年间不同尺度下高强度区域均呈现显著上升趋势，而低强度区域明显下降，其中格网尺度下高强度区域增幅最大，达13.42个百分点，市域尺度下低强度区域的减幅最为明显，30 a间减少了9.76个百分点。

3）格网尺度为LER及HAI时空关联研究的特征尺度。1990—2020年间长三角地区HAI与LER呈现正向相关性，但相关性呈现减弱趋势，而二者耦合协调度呈现上升趋势，从1990年的0.303 1上升到2020年的0.311 2，这说明区域人类活动强度对景观生态风险的影响在减弱，两者之间的关系正逐步从冲突转向协调。空间上，H-H集聚区域呈现持续减少趋势，而L-L呈现先增后减，整体减少的变化趋势，L-H及H-L在2010年后增势明显，未来应结合区域LER与HAI空间关联特征，对区域生态环境进行分区治理管控。

[1] 段群滔，罗立辉. 人类活动强度空间化方法综述与展望：以青藏高原为例[J]. 冰川冻土，2021，43(5)：1582-1593.

Duan Quntao, Luo Lihui. Summary and prospect of spatialization method of human activity intensity: Taking the Qinghai-Tibet Plateau as an example[J]. Journal of Glaciology and Geocryology, 2021, 43(5): 1582-1593. (in Chinese with English abstract)

[2] Burkhard B, Kroll F, Nedkov S, et. al. Mapping ecosystem service supply, demand and budgets[J]. Ecological Indicators, 2012, 21: 17-29.

[3] 刘坤，于赐刚，张艺凡，等. 青藏高原自然保护区人类活动及其影响研究现状与热点[J]. 应用与环境生物学报，2022，28(2)：508-516.

Liu Kun, Yu Cigang, Zhang Yifan, et al. Research status and current hotspots on the human impact on natural reserves in the Qinghai-Tibetan Plateau[J]. Chinese Journal of Applied and Environmental, 2022, 28(2): 508-516. (in Chinese with English abstract)

[4] 陈泓瑾，刘琳，张正勇，等. 天山北坡人类活动强度与地表温度的时空关联性[J]. 地理学报，2022，77(5)：1244-1259.

Chen Hongjin, Liu Lin, Zhang Zhengyong, et al. Spatiotemporal correlation between human activity intensity and surface temperature on the north slope of Tianshan Mountains[J]. Acta Geographica Sinica, 2022, 77(5): 1244-1259. (in Chinese with English abstract)

[5] 彭建，党威雄，刘焱序，等. 景观生态风险评价研究进展与展望[J]. 地理学报，2015，70(4)：664-677.

Peng Jian, Dang Weixiong, Liu Yanxu, et al. Review on landscape ecological risk assessment[J]. Acta Geographica Sinica, 2015, 70(4): 664-677. (in Chinese with English abstract)

[6] 刘希朝，李效顺，蒋冬梅. 基于土地利用变化的黄河流域景观格局及生态风险评估[J]. 农业工程学报，2021，37(4)：265-274.

Liu Xizhao, Li Xiaoshun, Jiang Dongmei. Landscape pattern identification and ecological risk assessment using land-use change in the Yellow River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(4): 265-274. (in Chinese with English abstract)

[7] 马胜，梁小英，刘迪，等. 生态脆弱区多尺度景观生态风险评价：以陕西省米脂县高渠乡为例[J]. 生态学杂志，2018，37(10)：3171-3178.

Ma Sheng, Liang Xiaoying, Liu Di, et al. Multi-scale landscape ecological risk assessment in ecologically fragile regions: A case study in Gaoqu Town in Mizhi County, Shaanxi Province[J]. Chinese Journal of Ecology 2018, 37(10): 3171-3178. (in Chinese with English abstract)

[8] 杨伶，邓敏，王金龙，等. 近40年来洞庭湖流域土地利用及生态风险时空演变分析[J]. 生态学报，2021，41(10)：3929-3939.

Yang Lin, Deng Min, Wang Jinlong, et al. Spatiotemporal evolution of landuseand ecological risk in Dongting Lake Basin during 1980-2018[J]. Acta Ecologica Sinica, 2021, 41(10): 3929-3939. (in Chinese with English abstract)

[9] Zeng C, He J, He Q, et al. Assessment of land use pattern and landscape ecological risk in the Chengdu-Chongqing Economic Circle, Southwestern China[J]. Land, 2022, 11(5): 659-676.

[10] Hou Y, Ding W, Liu C, et al. Influences of impervious surfaces on ecological risks and controlling strategies in rapidly urbanizing regions[J]. Science of the Total Environment, 2022, 825: 153823.

[11] 李少玲，谢苗苗，李汉廷，等. 资源型城市景观生态风险的时空分异：以乌海市为例[J]. 地学前缘，2021，28(4)：100-109.

Li Shaoling, Xie Miaomiao, Li Hanting, et al. Spatiotemporaldynamics of landscape ecological risk in resource-based cities: A case study of Wuhai[J]. Earth Science Frontiers, 2021, 28(4): 100-109. (in Chinese with English abstract)

[12] 陈心怡，谢跟踪，张金萍. 海口市海岸带近30年土地利用变化的景观生态风险评价[J]. 生态学报，2021，41(3)：975-986.

Chen Xinyi, Xie Gengzong, Zhang Jinping. Landscape ecological risk assessment of land use changes in the coastal area of Haikou City in the past 30 years[J]. Acta Ecologica Sinica, 2021, 41(3): 975-986. (in Chinese with English abstract)

[13] 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 Lan, Luo Wei, Zhou Baotong. 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. (in Chinese with English abstract)

[14] 杨馗，信桂新，蒋好雨，等基于最佳尺度的景观生态风险时空变化研究：以重庆市江津区为例[J]. 生态与农村环境学报，2021，37(5)：576-586.

Yang Kui, Xin Guixin, Jiang Haoyu, et al. Study on spatiotemporal changes of landscape ecological risk based on the optimal spatial scale: A case study of Jiangjin District, Chongqing City[J]. Journal of Ecology and Rural Environment, 2021, 37(5): 576-586. (in Chinese with English abstract)

[15] Yang Z, Zhan J, Wang C, et al. Coupling coordination analysis and spatiotemporal heterogeneity between sustainable development and ecosystem services in Shanxi Province, China[J]. Science of the Total Environment, 2022, 836: 155625.

[16] Guo S, Wu C, Wang Y, et al. Threshold effect of ecosystem services in response to climate change, human activity and landscape pattern in the upper and middle Yellow River of China[J]. Ecological Indicators, 2022, 136: 108603.

[17] Gong J, Liu D, Zhang J, et al. Tradeoffs/synergies of multiple ecosystem services based on land use simulation in a mountain-basin area, western China[J]. Ecological Indicators, 2019, 99: 283-293.

[18] 黄孟勤，李阳兵，李明珍，等. 三峡库区人类活动强度与景观格局的耦合响应[J]. 生态学报，2022，42(10)：3959-3973.

Huang Mengqin, Li Yangbing, Li Mingzhen, et al. Coupling response of Human activity intensity and landscape pattern in the Three Gorges Reservoir Area[J]. Acta Ecologica Sinica, 2022, 42(10): 3959-3973. (in Chinese with English abstract)

[19] 方林，蔡俊，刘艳晓，等. 长三角地区生态系统服务价值动态演化及驱动力分析[J]. 生态与农村环境学报，2022，38(5)：556-565.

Fang Lin, Cai Jun, Liu Yanxiao, et al. Dynamic evolution of ecosystem service value in Yangtze River Delta and analysis on the driving factors[J]. Journal of Ecology and Rural Environment, 2022, 38(5): 556-565. (in Chinese with English abstract)

[20] Liao G, He P, Gao X, et al. Land use optimization of rural production-living-ecological space at different scales based on the BP-ANN and CLUE-S models[J]. Ecological Indicators, 2022, 137: 108710.

[21] 尉芳，刘京，夏利恒，等. 基于LUCC的陕西渭北旱塬区景观生态风险评价[J]. 中国环境科学，2022，42(4)：1963-1974.

Wei Fang, Liu Jing, Xia Liheng, et al. Landscape ecological risk assessment in Weibei dryland region of Shaanxi Province based on LUCC[J]. China Environmental Science,2022, 42(4): 1963-1974. (in Chinese with English abstract)

[22] Huang X, Wang X, Zhang X, et al. Ecological risk assessment and identification of risk control priority areas based on degradation of ecosystem services: A case study in the Tibetan Plateau[J]. Ecological Indicators, 2022, 141: 109078.

[23] 荣益，李超，许策，等. 城镇化过程中生态系统服务价值变化及人类活动影响的空间分异：以黄骅市为例[J]. 生态学杂志，2017，36(5)：1374-1381.

Rong Yi, Li Chao, Xu Ce, et al. Ecosystem service values and spatial differentiation changes during urbanization: A case study of Huanghua City[J]. Chinese Journal of Ecology, 2017, 36(5): 1374-1381. (in Chinese with English abstract)

[24] 于淑会，康园园，邓伟，等. 太行山东部县域“三生”用地转型与景观生态风险分析：以河北省平山县为例[J]. 中国生态农业学报(中英文)，2022，30(7)：1113-1122.

Yu Shuhui, Kang Yuanyuan, Deng Wei, et al. Analysis of “production-living-ecological” land transformation and landscape ecological risk in the eastern counties of the Taihang Mountain: A case study in Pingshan County[J]. Chinese Journal of Eco-Agriculture, 2022, 30(7): 1113-1122. (in Chinese with English abstract)

[25] 董立宽，方斌，王晨歌. 基于Copula函数的茶园土壤铜锌空间协同效应研究[J]. 自然资源学报，2018，33(5)：867-878.

Dong Likuan, Fang Bin, Wang Chen’ge. Study on the spatial synergistic effect of copper and Zincin tea garden soil based on Copula function[J]. Journal of Natural Resources, 2018, 33(5): 867-878. (in Chinese with English abstract)

[26] Abakah E J A, Addo E, Gil-Alana L A, et al. Re-examination of international bond market dependence: Evidence from a pair copula approach[J]. International Review of Financial Analysis, 2021, 74: 101678.

[27] 张龄月. 一类有关随机向量间非线性相依度量的研究及其应用[D]. 大连：大连理工大学，2021.

Zhang Linyue. The Measures of Nonlinear Dependence for Random Vectors and Their Application[D]. Dalian: Dalian University of Technology, 2021. (in Chinese with English abstract)

[28] 魏立力，李贺. 基于Copula函数的CPI与PPI相关性分析[J]. 数学的实践与认识，2020，50(6)：1-7.

Wei Lili, Li He. Dependence analysis of CPI and PPI based on Copula function[J]. Mathematics in Practice and Theory, 2020, 50(6): 1-7. (in Chinese with English abstract)

[29] 朱从谋，李武艳，杜莹莹，等. 浙江省耕地多功能价值时空变化与权衡—协同关系[J]. 农业工程学报，2020，36(14)：263-272.

Zhu Congmou, Li Wuyan, Du Yingying, et al. Spatial-temporal change, trade-off and synergy relationships of cropland multifunctional value in Zhejiang Province, China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(14): 263-272. (in Chinese with English abstract)

[30] 朱庆莹，涂涛，陈银蓉，等. 长江经济带产业结构与土地利用效率协调度的时空格局分析[J]. 农业工程学报，2021，37(23)：235-246.

Zhu Qingying, Tu Tao, Chen Yinrong, et al. Spatio-temporal pattern for the coordination degree between industrial structure and land use efficiency of Yangtze River Economic Zone[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(23): 235-246. (in Chinese with English abstract)

[31] 黄木易，岳文泽，方斌，等. 1970-2015年大别山区生态服务价值尺度响应特征及地理探测机制[J]. 地理学报，2019，74(9)：1904-1920.

Huang Muyi, Yue Wenze, Fang Bin, et al. Scale response characteristics and geographic exploration mechanism of spatial differentiation of ecosystem service values in Dabie Mountain area, central China from 1970 to 2015[J]. Acta Geographica Sinica, 2019, 74(9): 1904-1920. (in Chinese with English abstract)

[32] Ran P, Hu S, Frazier A E E, et al. Exploring changes in landscape ecological risk in the Yangtze River Economic Belt from a spatiotemporal perspective[J]. Ecological Indicators, 2022, 137: 108744.

[33] 张弛，李枝坚，曾辉. 基于小波变换的生态系统服务权衡尺度效应与影响因素研究：以珠江三角洲为例[J]. 地理研究，2022，41(5)：1279-1297.

Zhang Chi, Li Zhijian, Zeng Hui. Scale effects on ecosystem service trade-off and its influencing factors based on wavelet transform: A case study in the Pearl River Delta, China[J]. Geographical Research, 2022, 41(5): 1279-1297. (in Chinese with English abstract)

[34] 周婷，陈万旭，李江风，等. 神农架林区人类活动与生境质量的空间关系[J]. 生态学报，2021，41(15)：6134-6145.

Zhou Ting, Chen Wanxu, Li Jangfeng, et al. Spatial relationship between human activities and habitat quality in Shennongjia Forest Region from 1995 to 2015[J]. Acta Ecologica Sinica, 2021, 41(15): 6134-6145. (in Chinese with English abstract)

[35] 李辉，红英，邓国荣，等. 1982—2015年气候变化和人类活动对内蒙古草地净初级生产力的影响[J]. 应用生态学报，2021，32(2)：415-424.

Li Hui, Hong Ying, Deng Guorong, et al. Impacts of climate change and human activities on net primary productivity of grasslands in Inner Mongolia, China during 1982-2015[J]. Chinese Journal of Applied Ecology, 2021, 32(2): 415-424. (in Chinese with English abstract)

[36] 陈改君，吕培亮. “生态正义”何以实现?——基于环境库兹涅茨曲线的检验性分析[J]. 湖南社会科学，2022(3)：45-51.

Chen Gaijun, Lu Peiliang. “How to achieve ecological justice”? —Testability analysis based on environmental Kuznets curve[J]. Hunan Social Sciences, 2022(3): 45-51. (in Chinese with English abstract)

[37] 刘晓红，江可申. 基于静态与动态空间面板模型分析城镇化对雾霾的影响[J]. 农业工程学报，2017，33(20)：218-225.

Liu Xiaohong, Jiang Keshen. Analyzing effect of urbanization on haze pollution based on static and dynamic spatial panel model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(20): 218-225. (in Chinese with English abstract)

[38] 王子成，赵忠. 农民工迁移模式的动态选择：外出、回流还是再迁移[J]. 管理世界，2013(1)：78-88.

Wang Zicheng, Zhao Zhong. The dynamic choice of migrant workers' migration mode: Going out, returning or re-migration[J]. Journal of Management World, 2013(1): 78-88. (in Chinese with English abstract)

[39] 朱存泉. 长三角地区劳动力回流的动因与对策研究[D]. 苏州：苏州大学，2019.

Zhu Cunquan. Research on the Causes and Countermeasures of Labor Return in Yangtze River Delta Region[D]. Suzhou: Soochow University, 2019. (in Chinese with English abstract)

[40] 孙秋鹏. 经济高质量发展对环境保护和生态文明建设的推动作用[J]. 当代经济管理，2019，41(11)：9-14.

Sun Qiupeng. The promoting role of high-quality economic development in environmental protection and ecological civilization construction[J]. Contemporary Economic Management, 2019, 41(11): 9-14. (in Chinese with English abstract)

Scale response and spatiotemporal correlations between landscape ecological risk and human activity intensity in the Yangtze River Delta region

Fang Lin1, Fang Bin2※, Liu Yanxiao3, Cai Jun1, Li Canfeng4

(1.,,230036,; 2.,,210023,; 3.,,130024,; 4.,,650100,)

Human activity has been one of the most important factors inducing regional ecological risks in recent years. But, there are different visualization and response degree of ecological risks and human activities in different land scales. It is a high demand to scientifically analyze the correlation characteristics of regional Landscape Ecological Risk (LER) and Human Activity Intensity (HAI), in order to coordinate the territorial system of human-environment interaction for better regional high-quality development. The ever-increasing conflict can be found between ecological protection and economic and social development, due mainly to rapid urbanization. The Yangtze River Delta (YRD) is one of the typical regions with intensive human activities, remarkable economic development, and outstanding ecological status. Taking the YRD as the subject, a three-level scale of city, county, and grid was established to construct the LER and HAI assessment models, in order to characterize the spatial and temporal response at different scales. The data was also collected from the land use, nighttime lighting, and population spatial distribution in the four periods from 1990 to 2020. The Copula function, bivariate spatial autocorrelation, and coupled coordination degree models were used to reveal the spatial and temporal correlation between the LER and HAI. The results show that (1) the spatial distribution pattern of LER was high in the north of the study area, and low in the south under different scales. The high risk areas continued to decrease during 1990-2020, whereas, the low risk areas showed an increasing trend. There was the most outstanding reduction in the high risk areas at the city scale, with a decrease of 19.51 percentage points over 30 years. By contrast, there was the most significant increase in the low-medium risk and low risk areas at the county scale, indicating an increase of 16.29 percentage points over 30 years. (2) The spatial distribution pattern of HAI was high in the northeast of the study area during 1990-2020, while low in the southwest under different scales. All the regions with high HAI showed a significant increasing trend. There was a significant decreasing trend in the regions with low HAI. The high intensity region presented the largest increase at 13.42 percentage points on the grid scale, whereas, the low intensity region was the most significant decrease at 9.76 percentage points on the city scale. (3) The correlation between HAI and LER shared a positive correlation between 1990 and 2020, but the correlation between them was weakening, indicating the weak influence of regional HAI on LER. By contrast, the coupling and coordination between them showed an increasing trend from 0.3031 in 1990 to 0.3112 in 2020. It infers that the relationship between them was gradually shifting from conflict to coordination. Spatially, there was a continuous decreasing trend in the H-H clustering area. Furthermore, the L-L clustering area showed an increasing and then decreasing trend with an overall decrease. Both L-H and H-L increased significantly after 2010. The spatial correlation characteristics of regional LER and HAI were combined to manage and control the regional ecological environment. The finding can provide a theoretical basis for land management and landscape planning, together with the spatial guidelines for the regional ecological risk prevention and ecological restoration.

land use; landscape; ecology; human activity; scale response; copula function; Yangtze River Delta

10.11975/j.issn.1002-6819.2022.22.023

X321

A

1002-6819(2022)-22-0210-10

方林，方斌，刘艳晓，等. 长三角地区景观生态风险与人类活动强度的响应及其时空关联[J]. 农业工程学报，2022，38(22)：210-219.doi：10.11975/j.issn.1002-6819.2022.22.023 http://www.tcsae.org

Fang Lin, Fang Bin, Liu Yanxiao, et al. Scale response and spatiotemporal correlations between landscape ecological risk and human activity intensity in the Yangtze River Delta region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(22): 210-219. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.22.023 http://www.tcsae.org

2022-08-27

2022-09-27

国家自然科学基金云南联合基金重点项目（U2102209）；国家自然科学基金项目（42071229，41671174）

方林，研究方向为土地利用与生态系统服务。Email：fl342427@126.com

方斌，教授，博士生导师，研究方向为耕地保护、土地利用及土地生态。Email：wenyanfang731@163.com