基于DPSIR和GM（1，1）模型的土地生态安全评价与预测

张瑶 李帅 王鹏飞

張 瑶，李 帅，王鹏飞. 基于DPSIR和GM（1，1）模型的土地生态安全评价与预测——以河南省洛阳市为例［J］. 湖北农业科学，2024，63（2）：162-169．

摘要：为探究洛阳市土地生态安全现状及主要影响因子，基于DPSIR模型，选取24个评价指标，构建评价指标体系。运用熵权法、障碍度模型（ODM）和灰色系统GM（1，1）模型对2010—2020年洛阳市土地生态安全状况进行评价与预测。结果表明，2010—2020年洛阳市土地生态安全呈上升趋势，2010—2017年波动幅度较小，2018年土地生态安全指数大幅增加，从0.480 5增加至0.602 7；2020年土地生态安全等级从临界安全等级上升至较安全等级，其中人口自然增长率、单位耕地农药消耗、人均公园绿地面积、第三产业产值比重等指标因素是指数上涨的重要动力；权重最大的子系统为响应子系统，权重最大的单一指标为人均公园绿地面积；障碍因素中出现频次最高的指标为生活垃圾无害化处理率；从灰色系统GM（1，1）模型的预测结果来看，洛阳市土地生态安全等级将在2023年达到安全等级。

关键词：土地生态安全指数；DPSIR模型；灰色系统GM（1，1）模型；障碍度模型（ODM）；河南省洛阳市

中图分类号：S159.2         文献标识码：A

文章编号：0439-8114（2024）02-0162-08

DOI：10.14088/j.cnki.issn0439-8114.2024.02.026 开放科学（资源服务）标识码（OSID）：

Evaluation and prediction of land ecological security based on DPSIR and GM（1，1） model：Taking Luoyang City， Henan Province as an example

ZHANG Yao，LI Shuai，WANG Peng-fei

（College of Landscape Architecture and Art， Henan Agricultural University， Zhengzhou  450002， China）

Abstract： In order to explore the current situation and main influencing factors of land ecological security in Luoyang City， based on the DPSIR model， 24 evaluation indicators were selected to construct an evaluation indicator system. The entropy weight method， obstacle degree model （ODM）， and grey system GM（1，1） model were used to evaluate and predict the land ecological security situation in Luoyang City from 2010 to 2020. The results showed that the land ecological security in Luoyang City showed an upward trend from 2010 to 2020， with relatively small fluctuations from 2010 to 2017. In 2018， the land ecological security index increased significantly， from 0.480 5 to 0.602 7；in 2020， the level of land ecological security increased from a critical safety level to a relatively safe level， with factors such as natural population growth rate， pesticide consumption per unit of arable land， per capita park green space area， and the proportion of tertiary industry output being important driving forces for the indexs increase；the subsystem with the highest weight was the response subsystem， and the single indicator with the highest weight was the per capita park green space area； the indicator with the highest frequency of occurrence among obstacle factors was the harmless treatment rate of household waste；according to the prediction results of the grey system GM（1，1） model， the land ecological security level in Luoyang City would reach the safety level in 2023.

Key words： land ecological security index； DPSIR model； grey system GM（1，1） model； obstacle degree model （ODM）； Luoyang City， Henan Province

在中国共产党第二十次全国代表大会上，习近平总书记明确指出要加强土壤污染源头防治，基本消除城市恶臭水体，开展新污染物治理，全面实行排污许可制等规划方向，表明国家对土地生态安全的重视。土地既是人类生存活动与社会发展的物质基础，也是人类栖居的基地和吃穿的基本来源，人类所有的政治、经济、文化活动的核心都依赖土地资源。土地生态安全的概念源自生态安全^［1］，生态安全含义包括生态系统自身的安全状况及生态系统对于人类安全的影响^［2］。土地生态安全的概念被定义为在一定时空范围内，土地生态系统的功能性与结构性同时维持稳定，满足人类生存与发展所必需的资源供应与生态供给的能力^［3］。土地生态系统是生态安全问题中重要的一环，其好坏关系着区域生态安全状况并对生态文明建设进程造成影响^［4］。对于矿业发达的洛阳市来说，保障土地生态安全不仅是经济发展的必要条件，更是维护当地生态安全屏障的重要前提。

目前，国内研究者选取的土地生态安全评价模型中，最常见的就是PSR（压力-状态-响应）模型和DPSIR（驱动力-压力-状态-影响-响应）模型^［5］，此外还有PSR-NES耦合模型^［6］、多维连接云模型^［7］和熵权物元模型^［8］等。在评价方法上，熵权法和基于熵权法改进的TOPSIS法是适用于多方案、多对象的对比研究和决策分析的常见决策方法^［9］。此外，刘梦柔^［10］采用CRITIC赋权法及改进的灰靶模型对2010—2018年礼泉县的土地生态安全进行评价和分析。在预测模型中，主要用于土地生态安全预测的有灰色系统GM（1，1）模型^［11］、无偏GM（1，1）模型^［12］、CA-Markov模型^［13］和RBF神经网络模型^［14］等。从研究区来看，洛阳市的地形复杂，山川丘陵交错，土地利用形式多样，粮食产量也逐年增多，因此研究土地生态安全就显得尤为重要。从研究时间来看，针对洛阳市的土地生态安全研究年份久远，需要最新的研究来为未来规划提供理论支撑。从研究方法看，本研究采用的2种研究方法都比较成熟，能更科学准确地对洛阳市土地生态安全进行评价与预测。

本研究以洛阳市为研究区，运用DPSIR模型和熵权法评估2010—2020年洛阳市的土地生态安全状况，并借助障碍度（ODM）模型来识别影响该区域土地生态安全的主要障碍因子，为了科学合理地预测洛阳市土地生态安全状况，选取灰色预测模型体系中的GM（1，1）模型来预测洛阳市2021—2023年土地生态安全情况，以期为规划和推进洛阳市生态文明建设提供参考依据。

1 研究区概况与数据来源

1.1 研究区概况

洛阳市是华夏文明的发祥地之一，丝绸之路的东方起点。洛阳市地处东经112°16′—112°37′，北纬34°32′—34°45′，全市面积为15 230 km²，气候类型属于暖温带半干旱大陆性季风气候，季风环流明显，四季分明^［15］。洛阳市古树名木繁多，有大量国家级保护动物栖息于此。同时，洛阳市地形复杂多变，粮食产量丰富，随着城市化进程的发展，土地开发利用也越来越大，因此，洛阳市土地生态安全具有重要的研究价值。

1.2 数据来源

结合洛阳市实际情况和数据的可获得性，本研究选取24个社会经济指标对洛阳市的土地生态安全进行评价。数据来源于2010—2021年《洛阳统计年鉴》《洛阳年鉴》《中国城市年鉴》《中国城市建设统计年鉴》《河南年鉴》和国土调查成果共享应用服务平台。

2 研究方法

2.1 DPSIR模型

由欧洲环境署（EEA）提出的PSR（压力-状态-响应）模型经过不断修改形成DSR（驱动力-状态-响应）模型，再由DSR模型最终演变成更准确全面的DPSIR（驱动力-压力-状态-影响-响应）模型，最终DPSIR模型于1998年由欧洲环境署（EEA）提出^［16］。在DPSIR模型中，驱动力是生态城市建设的动态因素；压力是人类活动对生态环境安全的直接影响；状态是上述压力下的生态环境状态，即生态建设水平；影响是在某一制度下的生态建设要求及其影响；响应是在生态建设中所采取的有效措施和政策^［17］。DPSIR模型揭示了人类社会活动与自然环境之间的因果关系，为环境、资源和人类活动的可持续发展研究及其评价提供了一个基本框架，其结构完整且具有逻辑，具有较强的系统性^［18］。

2.2 评价指标体系建立

本研究运用DPSIR模型，在参考相关研究成果^［19-21］的基础上，结合洛阳市实际情况，按照选取指标的全面性、科学性、可得性、动态性和区域性原则，构建了洛阳市土地生态安全评价指标体系（表1）。

2.3 评价指标权重的确定

熵权法是一种客观赋权方法，可以用熵值来判断某个指标的离散程度。指标的熵值越大，代表该指标对综合评价的影响（权重）越大；指标的熵值越小，代表该指标对综合评价的影响（权重）越小。

2.3.1 數据标准化 对原始数据进行数据标准化处理，为了消除不同指标间不同量纲的影响，达到不同单位的指标间可进行评价的目的，对于趋向性不同的指标有不同的公式^［22］，如下所示。

式中，y_ij代表第i年第j个评价指标原始值；y′_ij代表第i年第j个评价指标标准化后的数值；y_ijmax代表第i年第j个评价指标的最大值；y_ijmin代表第i年第j个评价指标的最小值。

2.3.2 指标权重计算

当F_ij=0时，令F_ijln（F_ij）=0

第三步：D_j=1-H_j（5）

式中，F_ij代表第i年第j个评价指标标准化值在总标准化值中的比重；H_j代表第j项指标的熵值；D_j代表第j项指标的冗余度；W_j代表第j项指标的权重。

2.3.3 土地生态安全指数评估

式中，Y_ij代表第i年第j个评价指标的标准化值；W_j代表该指标的权重；U_i代表土地生态安全子系统指数；U_总为土地生态安全指数，范围为0～1，土地生态安全指数越接近1，代表该区域土地生态安全程度越高。

2.3.4 土地生态安全等级 结合洛阳市土地生态安全指数，参照文献^［22］，将研究区土地生态安全划分为Ⅰ（不安全）、Ⅱ（较不安全）、Ⅲ（临界安全）、Ⅳ（较安全）、Ⅴ（安全）5个生态安全等级（表2）。

2.4 障碍度（ODM）模型

障碍度模型用来为后续分析找出主要障碍因子，反映评价对象各相关指标因素影响力的大小^［23］。

式中，Z_j为第j个指标的障碍度；Y_ij为单个指标的标准化值；W_j为第j项指标的权重。Z_j越大，表明该指标对土地生态安全的影响越大。

2.5 土地生态安全动态预测

灰色系统GM（1，1）模型主要适用于数量少、无明显规律性的样本，该模型短期预测效果好。因此本研究采用灰色系统GM（1，1）模型来预测2021—2023年洛阳市土地生态安全指数，该模型精度检验采用后验差检验，通过后验差比值和小误差概率来判定模型的预测精度是否合格^［24］。

在建立GM（1，1）模型后，由微分方程可得灰色预测的离散时间响应函数，计算公式如下。

式中，X^（1）（k+1）为累加预测值；X^（0）（1）为原始数列；a为发展灰数；b为灰色作用量；n为数据个数；e为无理常数。

后验差检验：

式中，S₁为原始序列X^（0）的标准差；S₂为残差序列Δ^（0）的标准差；C为方差比；P为小残差概率； n为数据个数。C用于模型精度等级检验，该值越小越好，C≤0.35，则模型精度等级优。P越大越好，P>0.95说明模型精度等级优。具体划分如表3所示。

3 结果与分析

3.1 洛阳市土地生态安全指数分析

由表4可知，2010—2020年洛阳市土地生态安全指数呈波动上升趋势。2010—2017年波动幅度较小，2018年土地生态安全指数大幅增加，从0.480 5增加至0.602 7，从Ⅲ级（临界安全）变为Ⅳ级（较安全），主要原因是驱动力、压力和响应3个变量的综合动态升高，表明在人类经济活动的推动下，压力变量和响应变量造成的土地生态安全指数变化明显。

3.2 洛阳市土地生态安全各子系统指数变化分析

采用熵权法计算驱动力、压力、状态、影响、响应5个子系统的权重，分别为0.158、0.178、0.187、0.195、0.282。結果表明，响应子系统对洛阳市土地生态安全的影响最大，驱动力子系统的影响最小。根据DPSIR模型得到2010—2020年洛阳市各子系统生态安全指数变化（图1）。

由图1可知，驱动力指数呈先上升后下降再上升趋势，2017年达到谷底（0.050）后逐步回升，2020年达到最大值（0.118）；压力指数呈先下降后上升趋势，2016年达到谷底（0.027）后逐步回升，2020年达到最大值（0.134）；状态指数为0.085～0.143；影响指数呈先上升后下降再上升趋势，2014年达到谷底（0.059）后逐步回升；响应指数呈先下降后上升趋势，2011年达到谷底（0.015），2013年小幅度下降后呈上升趋势，响应指数明显高于其他子系统。综合来看，2016年前，5个子系统之间相互调和，导致指数变化较小，2016年后，5个子系统的主趋势基本都维持上升状态，因而土地生态安全指数呈明显上升趋势。

3.2.1 驱动力子系统 由图2可知，2010—2020年城镇化率指数由2010年的最高点下降至2020年的最低点，呈均匀下降趋势；GDP增长率指数呈波动上升趋势；人均GDP指数呈均匀上升趋势；人口自然增长率指数呈波动上升趋势，2016年达到谷底后快速上升。

2014—2017年GDP增长率指数和人口自然增长率指数的下降导致驱动力指数在此期间有所回落。而2017年后由于经济发展的速度减缓和出生率的降低，GDP增长率及人口自然增长率降低（即GDP增长率指数及人口自然增长率指数上升），因此驱动力指数在此期间不断上涨。总体来看，GDP增长率和人口自然增长率是驱动力指数上升的主要原因。

3.2.2 压力子系统 由图3可知，人口密度指数呈下降趋势，由2010年的最高点下降至2020年的最低点；单位耕地农膜消耗指数与单位耕地化肥消耗指数在2016年同时达到最小值，2016年后回升；单位耕地农药消耗指数呈先下降后上升趋势，2015年达到谷底后逐年上升；单位GDP能耗降低率指数波动幅度较小。总体来看，单位耕地农药消耗和单位耕地农膜消耗是影响压力指数变化的重要指标，2016—2020年单位耕地农药消耗从10.815 kg/hm²下降至8.863 kg/hm²，单位耕地农膜消耗量从12.449 kg/hm²下降至10.667 kg/hm²。2016年压力指数达到最小值，可能是由于2016年单位耕地化肥消耗和单位耕地农膜消耗处于11年来最大值，单位耕地农药消耗处于最大值附近，而这3个指标与土地生态安全指数呈负相关，因此2016年压力指数最小。

3.2.3 状态子系统 由图4可知，年均降水量指数呈波动下降趋势，波动幅度较小，2011年达到最高值，2013年降至最低值；年均气温指数、建成区绿化覆盖率指数呈上升趋势；人均耕地面积指数呈下降趋势；土地经济密度指数、土地利用率指数呈平缓上升趋势。状态指数呈波动上升趋势，是各指标统一作用的结果，各指标与状态指数间没有明显的关联性，因而无法选出具有主要作用的某一指标。

3.2.4 影响子系统 由图5可知，第二产业产值比重指数呈下降趋势；第一产业产值比重指数呈上升趋势；农民人均可支配收入指数呈平稳上升趋势；人均粮食产量指数总体不变。2012—2014年第二产业产值比重和人均粮食产量是推动影响指数大幅下降的主要因素，2014年后影响指数总体上升则是由第二产业产值比重和农民人均可支配收入主导，期间波动由人均粮食产量影响。

3.2.5 响应子系统 由图6可知，污水处理厂集中处理率指数总体不变；第三产业产值比重指数呈上升趋势；节能环保支出占GDP的比重指数呈上升趋势，2016年后逐步上升；生活垃圾无害化处理率指数呈先下降后上升趋势，2011—2014年较低，2014年后快速上升至最高值并维持不变，可能是由于2017—2020年生活垃圾无害化处理率均达100%，因此指数在此期间维持不变；人均公园绿地面积指数呈上升趋势。除污水处理厂集中处理率指数外，其他指标均为推动响应指数在2013—2020年持续上升的因素，促进洛阳市土地生态安全指数和等级的上升。

3.3 洛阳市土地生态安全障碍因子分析

研究土地生态安全的目的在于找到制约土地生态安全的影响因素，从而制定具有针对性的发展政策。本研究将24个指标因子进行障碍度分析，得出每年障碍度排名前三的指标，将其作为影响研究区土地生态安全的主要障碍因子进行分析。

由表5可知，土地生态安全障碍因素的频次大小依次为R₂（7次）>S₄、P₁、R₄（5次）>I₄（4次）>I₃（3次），表明生活垃圾无害化处理率、人均耕地面积、人口密度、第三产业产值比重、第二产业产值比重、第一产业产值比重6项指标是影响洛阳市土地生态安全的主导障碍因素。从时间上看，将研究时段分为两个阶段进行分析：①2010—2014年，第二产业产值比重、人均耕地面积和人口密度指标对洛阳市土地生态安全影响较大。该阶段主要发展第一二产业，但第二产业对土地生态安全的影响小于第一产业。人均耕地面积、人口密度均与人口有较大的关联，该时间段人口增长较快，但耕地实际面积变化不大，因此，人口的增长是该时间段制约土地生态安全的主要影响因素。②2015—2020年，生活垃圾无害化处理率、第三产业产值比重和第一产业产值比重指标对洛阳市土地生态安全影响较大。该阶段大力发展第三产业，科技创新为GDP带来的提升要远大于传统的第一产业，因此，第三产业产值比重的增加和第一产业产值比重的降低有助于提高土地生态安全。生活垃圾作为影响土地生态系统的主要因素，其无害化处理率对于土地生态安全来说尤为重要。

建成区绿化覆盖率、节能环保支出占GDP比重、人均公园绿地面积和单位耕地农药消耗4个指标仅出现1次，分别出现在2014年、2019年、2020年、2020年。在2020年，人均公园绿地面积和单位耕地农药消耗首次出现在表中。近年来政府开始重视公园绿地的开发与建设，以减少过度开发与利用土地资源所带来的危害。农药的消耗量对于土地生态系统来说至关重要，农药作为人工合成的产物，对土地生态有一定的危害，因此，单位耕地农药消耗的降低进一步促进洛阳市土地生态安全的提升。

3.4 洛阳市土地生态安全预测

为了验证模型预测精度，以2010—2020年洛阳市土地生态安全总值为原始数据进行计算处理，得出[C=0.39]，[P=0.91]。该模型预测精度合格，数据光滑检验也符合标准，因此可以采用该模型进行预测（表6）。从预测结果来看，2021—2023年洛阳市土地生态安全指数平稳增长，拟合值由0.739 9上升至0.864 3，土地生态安全等级在2023年达到安全等级。

4 讨论

本研究采用DPSIR模型构建指标体系，对洛阳市进行土地生态安全评价，在了解研究时段内洛阳市整体土地生态安全变化状况的同时，得出影响土地生态安全的主要障碍因子，如生活垃圾无害化处理率、人均耕地面积、第三产业产值比重、人口密度等。李玲^［25］对河南省的土地生态安全进行评价，认为洛阳市应控制人口增长、调整城市产业结构和工业布局、控制农药化肥使用量和优化土地利用结构等，其結论中关于人口、产业结构和农药化肥使用量等相关指标的判定与本研究基本一致，但其未选取公园绿地的相关指标，本研究的公园绿地相关指标同样被认定为障碍因素。韦宇婵等^［26］对河南省土地生态安全警情时空演变进行分析，得出2010年和2016年洛阳市预警等级均为Ⅲ级，障碍因子集中在第三产业产值、化肥使用量及环保治理投资占GDP比重，与本研究的结果基本一致。但在研究时间的选取上，李玲^［25］选取的研究年份为2006年、2008年和2011年，韦宇婵等^［26］选取的研究年份为2005年、2010年、2016年，数据较少且年份久远，无法明确看出趋势。因此，本研究通过分析2010—2020年各指标数据发现，与土地生态安全相关的因素集中在人口、科学技术发展和土地污染上，因此，从这三方面着手进行规划，将会有效地提高洛阳市土地生态安全指数，从而提高生态安全等级。

在实际生产生活中应做到科学使用农药、化肥及塑料薄膜，加强耕地保护；在推进城市化发展进程中，加强环保教育宣传，提高国民素养；严格执行生活垃圾及污水的排放标准，从土地污染源头下手，加强土地生态保护；加大对第三产业的发展，将第三产业作为发展经济的核心方向，增大节能环保支出在生产总值中的占比，保障土地生态系统良好发展。总体评价结果具有科学性和有效性，可为研究区人地资源协调发展、土地资源管理和可持续发展等提供科学支撑。

本研究的不足之处在于缺少与土壤相关的指标数据，未考虑突变因素对土地生态安全造成的影响，这些对最终结果会有一定的影响。在未来的研究中期望有更多与土壤状况相关的专业数据被公布，有更多指标加入土地生态安全评价体系，为土地生态安全评价提供更全面的数据支持。

5 结论

本研究通过DPSIR模型对洛阳市2010—2020年相关指标数据进行分析，并通过障碍度模型（ODM）和灰色系统GM（1，1）模型进行障碍因子的识别和数据预测。结果表明，2010—2020年洛阳市土地生态安全指数呈波动上升趋势，与该地区经济发展和环境保护等政策实施密切相关。2010—2017年波动幅度较小，2018年土地生态安全指数大幅增加，从0.480 5增加至0.602 7。到2020年，土地生态安全等级从临界安全等级上升至较安全等级，其中人口自然增长率、单位耕地农药消耗、人均公园绿地面积、第三产业产值比重等指标因素是指数上涨的重要动力。从灰色系统GM（1，1）模型的预测结果来看，随着可持续发展的不断推进和生态文明建设的大力加强，土地生态环境朝着良性循环发展，洛阳市土地生态安全等级将在2023年上升至安全等级。

参考文献：

［1］ 李 昊，李世平，银敏华.中国土地生态安全研究进展与展望［J］.干旱区资源与环境，2016，30（9）：50-56.

［2］ 曹新向，郭志永，雒海潮.区域土地资源持续利用的生态安全研究［J］.水土保持学报，2004（2）：192-195.

［3］ 苏迎庆，刘 庚，赵景波，等.2006—2018年汾河流域土地生态安全预警测度及时空格局演变［J］.水土保持通报，2021，41（1）：144-151.

［4］ 熊建华.土地生态安全评价研究回顾、难点与思考［J］.地理与地理信息科学，2018，34（6）：71-76.

［5］ 刘玉莹.郑州市土地生态安全评价及障碍因素研究——基于DPSIR模型［J］.国土与自然资源研究，2021（2）：56-59.

［6］ 蔡 霄，杨 洋，李鹏山，等.基于PSR-NES耦合模型的土地生态状况综合评估——以大邑县为例［J］. 西北大学学报（自然科学版），2020，50（4）：685-694.

［7］ LIU Q，WANG M，WANG X，et al. Land eco-security assessment based on the multi-dimensional connection cloud model［J］. Sustainability， 2018， 10（6）： 2096.

［8］ 李子君，王 硕，马 良，等.基于熵权物元模型的沂蒙山区土地生态安全动态变化及其影响因素研究［J］. 土壤通报，2021，52（2）：425-433.

［9］ 张晓娟，高敏华.基于DPSIR-TOPSIS法的新疆土地生态安全评价［J］.湖北农业科学，2022，49（17）：104-109.

［10］ 刘梦柔. 基于CRITIC权灰靶模型的礼泉县土地生态安全评价［D］.西安：长安大学，2021.

［11］ 周 荣，刘 鹏.基于灰色预测模型的土地生态安全评价［J］.中国环境管理干部学院学报，2019，29（4）：36-40.

［12］ 杨 龙.基于无偏GM（1，1）模型的西安市土地生态安全预测及障碍因子诊断研究［J］.西部大开发（土地开发工程研究），2019，4（9）：14-19.

［13］ 廖成浩，姚 昆，曾 艳.安宁河流域土地生态安全动态评价与预测［J］.环境监测管理与技术，2022，34（2）：27-31.

［14］ 陈 英，孔 喆，路 正，等.基于RBF神经网络模型的土地生态安全预警——以甘肃省张掖市为例［J］.干旱地区农业研究，2017，35（1）：264-270.

［15］ 梁静一，吴柏清.基于功能性和敏感性的洛阳市生态分区研究［J］.湖北农业科学，2022，61（12）：16-22.

［16］ 高洁芝，郑华伟，刘友兆.基于DPSIR模型的土地生态系统健康诊断［J］.江苏农业科学，2021，49（11）：178-185.

［17］ SHI S X，TONG P S. Evaluation system and spatial distribution pattern of ecological city construction—Based on DPSIR-TOPSIS model［J］.Ecology and environmental research，2019，17（1）：601-616.

［18］ 靖 宇，王红梅.基于DPSIR模型的土地生态安全评价研究——以广东省佛冈县为例［J］.国土资源科技管理，2011，28（1）：15-21.

［19］ 刘 娇，张 超，孙晓莉，等.基于DPSIR模型的云南省土地生态安全评价［J］.西南林业大学学报（自然科学），2021，41（3）：113-121.

［20］ 李青松，何如海，周 颖，等.甘肃省土地生态安全评价及预测實证研究［J］.山西师范大学学报（自然科学版），2021，35（4）：122-128.

［21］ 李 凌.基于DPSIR模型的济南市土地生态安全评价［J］.山东农业工程学院学报，2022，39（4）：13-20.

［22］ 马 婷，邵战林.基于PSR模型及熵权法的土地生态安全评价研究——以兰州市为例［J］.湖北农业科学，2021，60（20）：67-71.

［23］ 李洪庆，杨 瑀，张俊红，等.基于PSR模型的生态脆弱区山南市土地生态安全评价［J］.广东农业科学，2022，49（6）：90-99.

［24］ 张楠楠，石水莲，李 博，等.基于“压力-状态-响应”模型的土地生态安全评价及预测——以沈阳市为例［J］.土壤通报，2022，53（1）：28-35.

［25］ 李 玲. 河南省土地生态安全评价［D］.哈尔滨：东北农业大学，2014.

［26］ 韦宇婵，张丽琴. 河南省土地生态安全警情时空演变及障碍因子［J］. 水土保持研究，2020，27（3）：238-246.

收稿日期：2023-02-14

基金项目：河南省科学技术攻关项目（112102110027）

作者简介：张 瑶（1999-），女，河南新乡人，硕士，主要从事风景园林规划设计研究，（电话）18224566213（电子信箱）634255448@qq.com；通信作者，王鹏飞（1964-），教授，博士，主要从事风景园林规划设计研究，（电子信箱）188792041@qq.com。