中国陆地边境地区城镇化与生态系统健康的动态交互响应

关键词：城镇化；生态系统健康；随机森林模型；解耦模型；中国陆地边境地区

促进城镇化与生态环境和谐共进，已成为全球范围内实现可持续发展的共识基础[1]。随着经济与环境协调发展上升为国家政策与科学研究的重点，生态系统健康作为评估区域生态平衡和可持续性的关键指标，其重要性日益凸显[2-3]。城镇化进程中，如何维护并提升生态系统健康，成为城市规划与管理中不可忽视的问题。2020 年《中共中央关于制定国民经济和社会发展第十四个五年规划和二○三五年远景目标的建议》中明确提出，中国的城镇化要走“绿色发展路径”，进一步强调城镇化与生态系统健康协调发展的重要性。

国内外对城镇化与生态系统相互作用的研究取得了丰富的成果。20 世纪90 年代，GROSSMAN 等提出环境库兹涅兹曲线，认为环境污染与经济发展呈现倒U 型关系[4]。随后这一假设被广泛应用于探究经济增长与生态环境关系中[5]。国际上对城镇化与生态环境[6-7]、城镇化与生态质量[8-9]、城镇化与生态系统服务[10-11] 等领域均进行了深入探讨。生态系统健康评价被认为是评价区域生态环境质量最直接且全面的方法，活力— 组织力— 恢复力— 服务（VORS）模型考虑生态系统完整性和生态过程，被广泛用于评估生态系统健康[12]。城镇化与生态系统之间存在相互依存的耦合关系，并非彼此独立。目前对城镇化与生态系统健康关系的研究在空间尺度上多集中在中东部地区或城市群[13-14]；已有学者针对城镇化与生态系统健康的研究得出城镇化对生态系统服务的整体影响以负向胁迫为主[13，15]；还有学者运用空间自相关模型[13]、耦合协调度模型[1，14] 等方法开展城镇化与生态系统健康的耦合关系研究。综上所述，在空间尺度上，对远离政治文化中心的陆地边境地区城镇化与生态系统健康间的协调关系研究相对较少；研究方法上，对于量化城镇化对生态系统健康影响程度的相关研究鲜有提及，以及仅关注城镇化与生态系统健康耦合关系，并未对两者解耦关系进行分析。

中国陆地边境地区作为国家的生态安全屏障和地理边界，其生态系统健康状况直接关乎国家的生态安全和区域稳定。因受自然地理环境和区位条件等影响，中国大部分边境集“老、少、边、穷”特征为一体，是国家实现社会主义现代化强国需要重点关注的特殊区域。随着2022 年《区域全面经济伙伴关系协定》（RCEP）的正式生效，边境地区迎来经济发展的新机遇，同时也面临着生态系统保护的严峻挑战。该地区有关研究主要聚焦土地利用[16]、城镇化与乡村振兴[17]、生境质量[18] 等方面，对城镇化与生态系统健康关系的综合考量尚显不足，一定程度上阻碍了对“发展”与“保护”协调问题的理解与解决。基于此，本文通过构建中国陆地边境地区城镇化评价指标体系评价城镇化水平，运用VORS 模型评价生态系统健康水平，借助随机森林模型衡量研究期内城镇化对生态系统健康的影响程度以及运用解耦模型分析两个系统之间解耦状态特征，以期为实现中国陆地边境地区城镇化与生态系统健康的协调和可持续发展提供借鉴。

1 研究区概况与数据来源

中国地处亚欧大陆腹地，有辽阔的陆上边境线。本文以中国陆地边境45个地级行政区为研究对象，参考已有研究[19-21]，并结合地理位置和人文社会因素将中国陆地边境地区划分为5 个区域（图1）。分别为东北区（辽宁、吉林、黑龙江），作为东北亚地区的门户，工业转型与生态修复并驱，焕发新生机；内蒙区（内蒙古、甘肃省酒泉市）东部相连东北亚，西部连接中亚，民族风情与资源产业并重，草原保护铸就绿色屏障；新疆区作为连接中亚的重要节点，能源枢纽与“一带一路”同辉，生态环境脆弱，主要包括高山、盆地、沙漠等多种地貌类型；滇桂区（云南、广西）重点关联东南亚，旅游热土与边境贸易互融，积极应对土地开垦等生态挑战；西藏区主要面向南亚，生态原始脆弱。

本文经济社会发展的相关数据来源于《中国城市统计年鉴》、各地区国民经济和社会发展统计年鉴、《全国农产品成本收益资料汇编》以及各省市统计局网站等。生态系统健康评价数据包括土地利用数据和NDVI、NPP、景观指数等，土地利用数据来源于中国科学院资源环境科学与数据中心（https：//www.resdc.cn/），空间分辨率为30 m×30 m，参考国家土地利用现状分类标准，将土地利用类型分为耕地、林地、草地、水域、建设用地和未利用地；NDVI 来源于地理空间数据云（http：//www.gscloud.cn/）；NPP 来源于美国国家航空局发布的MODIS17A3HGF 产品数据；香浓多样性、分形维数、整体景观破碎度和景观蔓延指数等景观指数以土地利用为原始数据， 采用Fragstats 4.2软件计算得到。

2 研究方法

2.1 城镇化与生态系统健康的交互响应机制

城镇化与生态系统健康之间的响应机制是一个复杂且动态的相互关联过程。随着城镇化的推进，土地利用发生变化，资源消耗加剧等问题导致生态系统的结构和功能受到破坏。同时，生态系统健康的变化也会对城镇化进程产生反馈，如资源短缺、环境恶化和自我恢复能力下降等会限制城市的发展。边境地区作为独特的研究区域，其城镇化与生态系统健康之间的响应机制极具复杂性与特色。这些地区不仅是国家间的自然桥梁，更是生态安全的前沿阵地，拥有丰富的生物多样性和敏感脆弱的生态系统。城镇化进程中，土地利用的变化与资源开发的加强，对边境生态构成了严峻挑战，凸显了保护自然生态屏障的重要性。同时，边境地区还承载着地缘经济发展、跨国人口流动及国际贸易等多重功能，其城镇化需求多元且复杂。跨国界合作成为边境地区城镇化进程中的独特优势，通过加强国际合作，共同应对环境问题，促进资源合理配置，既能保障生态安全，又能推动区域经济的可持续发展。因此，在推动城镇化进程中，更应充分考虑生态系统的健康需求，通过科学规划、跨国界合作和文化传承等手段，积极践行“绿水青山就是金山银山”的理念，实现人与自然和谐共生（图2）。

2.2 城镇化发展水平测定

（1）指标选取。城镇化是一个多维度、持续发展的复杂过程，根据相关研究成果和边境特性[17，20，22]，以综合性、典型性以及可操作性为原则，从人口、土地、经济和社会４个方面构建中国陆地边境地区综合城镇化水平评价模型（表１）。

（2）数据标准化处理。指标数据单位不一致、各项指标的数量级及量纲的差异性会影响计算的结果，为降低随机因素干扰，本文采用极差标准化法进行无量纲化处理，计算公式为：

式（1）— 式（2）中：Xij 为指标j 在第i 个样本中的原始值，i = 1，2，3，…，n；j = 1，2，3，…，m；Xijmin 与Xijmax 分别为第i个样本中第j个指标的最小值和最大值。

（3）权重计算。运用熵值法确定城镇化系统中各指标的权重，并采用线性加权法计算城镇化及其亚系统的指标值。

式（3）—式（6）中：Xij代表第j个指标下第i个样本的标准值；Sij 代表Xij 的比重；ej 代表指标j 的熵值；Wj 代表指标j的权重值；k = 1/lnn，满足（0≤ej＜1）；Smi代表样本i 在m年的指标值；n 代表指标数。基于诺瑟姆的城镇化发展“S 曲线理论”，将发展水平划分为4 个阶段：萌芽阶段（0～＜0.10）、初步发展阶段（0.10～＜0.25）、快速发展阶段（0.25～＜0.50）、发达阶段（0.50～1.00）[15，23]。

2.3 生态系统健康评价

生态系统健康既强调生态系统的自然健康，也包括能持续为人类提供生态系统服务的能力[24]，本文基于VORS 模型量化中国陆地边境城市生态系统健康状况，公式如下：

式（7）中：HI为生态系统健康指数；PH为生态系统自然健康指数；CESI为综合生态系统服务指数。

生态系统自然健康指数测度参考相关文献[24-25]，生态系统组织、活力和弹性均为生态系统自然健康评估的关键要素，将其设置为相同的权重，具体计算公式为：

式（8）中：PH为生态系统自然健康指数；EV、EO和ER分别为生态系统活力、组织力和弹性，均采用归一化方法进行标准化处理。

生态系统活力（EV）反映其初级生产力和代谢能力，因归一化植被指数（NDVI）与初级生产力紧密相关，故成为表征生态系统活力的常用指标[24]。

生态系统组织力（EO）由景观异质性和景观连通性决定。参考前人的研究[24，26-27]，对景观异质性、整体景观连通性、重要生态斑块景观连通性赋予权重，最后得到生态系统组织力水平，公式如下：

式（9）中：EO为生态系统组织力；LH为景观异质性；LC 为景观连通性；IPC为重要生态系统的斑块连通性指数。

生态系统弹性（ER）通过抵抗力和恢复力来表征。参考前人的研究[24，27-28]，对不同土地利用类型的生态系统抵抗力系数和恢复力系数进行赋值，并通过面积加权法得到生态系统弹性，公式如下：

式（10）中：ER为生态系统弹性；Ai 为区域内第i 类土地利用类型面积比例；Cresistant，i和Cresilient，i分别为第i类土地利用类型的抵抗力系数和恢复力系数（表2）。

生态系统服务采用生态系统服务价值来表征，为消除各评价单元面积差异，引入地均生态系统服务价值[27-30]，并通过归一化处理，得到各评价单元的综合生态系统服务指数（CESI）。

式（11）—式（13）中：ESV为生态系统服务价值；Ui 为第i 种生态系统面积；VCi 为第i 种生态系统服务价值；AESV为地均生态系统服务价值；CESI 为综合生态系统服务指数；AESVmax 和AESVmin 分别为区域内评价单元地均生态系统服务价值的最大值和最小值。

本文将各年份各评价单元健康指数进行组合，采用自然断点法分为5 个等级：差、较差、一般、较优和优[27]。

2.4 随机森林模型

随机森林（Random Forest）模型是由BREIMAN[31]在2001 年提出的一种组成式的有监督学习算法。由于其在算法上具有明显而独特的优势，不仅可以用来做聚类和判别分析，还可以用来进行回归分析以探究影响因子的重要性[32]。重要性排序采用IncMSE 法，计算公式为：

式（14）—式（16）中：Oi 和Pi 分别为第i 个实测值和拟合值；O 和P 分别为实测值和拟合值的平均值；I 为影响因素增加的均方根误差；Error1i为选择决策树时不参与决策树训练的数据，Error2i 为加入随机干扰后，选择决策树时不参与决策树训练的数据。R2 越接近1，RMSE越接近0，模型的解释精度越高。本文基于R语言平台上进行的随机森林回归，利用回归算法计算城镇化对生态系统健康的相对重要程度值。

2.5 城镇化与生态系统健康交互影响关系解耦模型构建

解耦（decoupling）理论最初由经济合作与发展组织（OEXCD）提出，用于描述经济增长和环境污染之间的关系，随着研究的深入，这一理论逐渐受到广泛关注。目前已有研究采用解耦模型探究城镇化与资源环境两者关系[6，33]。本文借鉴TAPIO 的研究[34]，构建区域城镇化指数与生态系统健康指数的解耦模型，解耦状态（εtk）具体公式如下：

式（17）中：DEtk 为第tk 时期生态系统健康指数的变化率；Etks、Etke 分别为第tk 时期初和末的生态系统健康指数；DUtk 为第tk 时期研究区城镇化指数的变化率；Utks、Utke 分别为第tk 时期初和末的城镇化指数。参考有关文献[6，33，35]，对城镇化与生态系统健康的解耦程度进行分级，具体细分标准见（图3）。率；Etks、Etke 分别为第tk 时期初和末的生态系统健康指数；DUtk 为第tk 时期研究区城镇化指数的变化率；Utks、Utke 分别为第tk 时期初和末的城镇化指数。参考有关文献[6，33，35]，对城镇化与生态系统健康的解耦程度进行分级，具体细分标准见（图3）。

3 结果分析

3.1 城镇化和生态系统健康水平时空变化

3.1.1 城镇化水平变化分析

依托西部陆海新通道等交通网络，边疆地区切实做足“边”的文章，各族群众的增收致富渠道不断拓宽。从时间进程来看，中国陆地边境地区45 个城市综合城镇化水平整体有所提高，平均得分由2000 年的0.083 增加到2020 年的0.170，从萌芽阶段迈入初步发展阶段（表3）。其中，44 个城市的综合得分上升，仅一个城市得分略有下降。城镇化阶段的变化表现为维持原阶段（15 个）和实现阶段跃升（30 个）两种形式。就各发展阶段而言，处于萌芽阶段的城市数量大幅减少，仅余和田地区和阿克苏地区，样本占比降了60%，该阶段综合得分提高0.017；处于初步发展阶段的城市显著增加，由16 个增至37 个，综合得分提高0.036；处于快速发展阶段城市从无到有，新增6 个，均值达0.307，整体展示良好发展态势。在变化速率上（图4），2000 — 2020 年，综合城镇化指数年均增幅最大，为0.43%；社会城镇化指数年均增幅最小，为0.02%。人口、土地、社会城镇化在后10 年发展相对较稳定，而经济城镇化则进一步提速，这表明城镇化发展的主要驱动力表现为经济方面的品质提升。

中国陆地边境地区的城镇化进程呈现出各级城镇化区域相互衔接，连贯的城镇发展带。对比分析2000年、2005年、2010年、2015年和2020年综合城镇化及亚系统水平指数（图5）可知，综合、人口、土地、经济、社会城镇化水平随时间推移均有所提升，符合城市化发展规律。人口和土地城镇化水平在东北区、内蒙区和滇桂区较高，而新疆区和西藏区较低。经济城镇化高水平单元分布均匀，社会城镇化高水平单元集中在东北区。在变动幅度上，综合城镇化发展较快的主要在内蒙区，较慢的主要在新疆区。其中人口城镇化发展较快的主要在边境地区北部和南部，东北部和西部提升幅度较慢；各区土地城镇化提升幅度总体较低；经济城镇化剧烈变动区域由内蒙区向其他各区蔓延；社会城镇化发展快速的单元主要在东北区和内蒙区。

新疆区的城镇化水平偏低，尽管依托丝绸之路经济带交通枢纽政治优势及对阿勒泰地区、伊犁哈萨克自治州等跨境旅游资源的开发取得一定的进展。但城镇化发展仍受到多方面因素的制约，包括阿尔泰山、昆仑山、天山山脉等自然屏障及新疆边境县域恶劣气候条件限制，城市扩张与人口集聚困难，因此新疆区的人口、土地城镇化水平较低。相比之下，东北区凭借广袤平原、丰富耕地及黑河、丹东等口岸优势，人口、土地、经济、社会城镇化水平均较高，东港、鸡东、密山等东北区县域产业发展亦提供有力支撑。然而，东北区仍面临着挑战，其相邻的朝鲜半岛地区开放度较低，俄罗斯人口稀少限制边境贸易，新兴产业竞争力不足同时也制约城镇化发展。整体来看，2000 — 2020 年中国陆地边境各区城镇化水平差别不大。西部大开发战略和共建“一带一路”倡议的提出，为边境地区发展带来了前所未有的机遇。但由于边境地区地理位置偏远、交通不便等因素制约，城镇化发展缓慢，全国城镇化进程存在一定的滞后，呈现出边境地区城镇化发展的独特性。

3.1.2 生态系统健康变化分析

2000 — 2020 年，中国陆地边境地区生态系统健康指数经历了波动变化，平均值依次为0.202、0.210、0.205、0.211 和0.199，表现先上升再下降后上升最后下降的变化趋势，且下降幅度大于上升幅度，因此整体处于等级一般阶段呈下降状态。从生态系统活力、组织力和弹性三个维度综合考量，计算生态系统自然健康指数。生态系统自然健康状况总体有所下降，综合生态系统服务指数总体有所上升。在变化速率上（图4），生态系统组织力的年均降幅较明显，达到0.24%，生态系统活力、弹性和综合生态系统服务整体水平相对稳定，年均增幅分别为0.13%、0.05%、0.02%。

从空间分布上，中国陆地边境地区的生态系统健康指数等级空间分布与生态系统活力、组织力、弹性和综合生态系统服务指数的空间集聚特征高度相似，但变化并不同步（图6）。东北区、滇桂区和西藏区主要分布着等级“一般”或“较优”或“优”的地区，而内蒙区和新疆区则多为等级“较差”或“差”的地区。在变动幅度上，生态系统活力、弹性变动幅度以增加为主，负增长地区较少，整体水平较稳定；生态系统组织力负增长地区近乎覆盖全域，少量增长主要分布在滇桂区；综合生态系统服务负增长地区主要分布在新疆区，变动幅度整体较小。

研究期内，东北区的大兴安岭、小兴安岭、长白山，滇桂区的山区以及西藏区的喜马拉雅山脉及藏东横断山脉区域，特别是林芝市和山南市的林地资源等，使得生态系统自然健康指数较高，展现良好的生态系统活力、组织力和弹性。相比之下，新疆区和内蒙区因荒漠化、水土流失严重等原因造成生态系统自然健康指数整体较低；内蒙区生态地位极为关键，但生态环境却相对脆弱，该区集中了巴丹吉林、腾格里、乌兰布和、库布其四大沙漠以及毛乌素、浑善达克、科尔沁、呼伦贝尔四大沙地，导致生态系统自然健康普遍偏低，是我国荒漠化和沙化土地最为集中、危害最为严重的区域之一。边境地区综合生态系统服务指数整体上较低，较低值区和低值区主要在新疆区和内蒙区，高值区主要在滇桂区的红河哈尼族彝族自治州和文山壮族苗族自治州，这两个地区林地、水域面积占比较大，在土地利用类型中，林地、水域生态系统服务价值系数较高。

3.2 城镇化对生态系统健康影响程度分析

为验证随机森林模型的可靠性，分别构建多元回归模型和随机森林模型来分析生态系统健康与城镇化子系统间的关系。结果表明，随机森林模型估计结果的调整R2 比回归方程的大，且平均绝对值误差MAE 更小，这表明随机森林模型具有更好的拟合优度和更小的拟合误差，适合进行影响程度分析。将研究期划分为2000 — 2005 年、2005 — 2010 年、2010 —2015 年和2015 — 2020 年4 个阶段，利用方法确定城镇化子系统对生态系统健康影响程度（图7）。结果显示，不同的研究阶段对生态系统健康的影响因素呈现出显著的变化，人口、经济、社会城镇化的影响程度呈波动性变化，土地城镇化的影响程度不断提高。作为城市扩张的物理基础，土地城镇化直接影响生态景观、抵抗力、服务价值等。中国陆地边境地区城镇化进程中随着土地利用结构变化、地缘经济发展等因素，自然生态逐渐被人工环境所取代，导致景观异质性和连通性降低，直接影响生态系统健康。2000 —2005 年，经济城镇化对生态系统健康影响最大，其次是人口城镇化，社会、土地城镇化影响较低，表明这一阶段经贸合作、交通发展等地缘经济发展对生态系统造成较大的影响；2005 — 2010 年，人口城镇化成为影响生态系统健康的主要因素，经济、社会城镇化与2000—2005年相比，影响程度降低，而土地城镇化影响程度提高；2010—2015年，人口、土地、经济、社会城镇化对生态系统健康的影响程度相当；2015 — 2020 年，土地城镇化成为影响生态系统健康的主导因素，占比50%；其次是经济城镇化，凸显城镇化进程中土地变化与经济活动对生态的加剧影响。因此，在城镇化进程中，需密切关注各类城镇化对生态系统健康的影响，并采取相应措施进行调控，以实现可持续发展。

3.3 城镇化与生态系统健康解耦特征

将研究期划分为2000—2005年、2005—2010年、2010—2015年和2015—2020年4个阶段，借助Tapio等改进的解耦评价模型解译中国陆地边境地区城镇化与生态系统健康的阶段性解耦特征，结果如表4所示。

2000 — 2020 年，中国陆地边境地区城镇化与生态系统健康的解耦关系表现为互相解耦的变化趋势。具体而言，2000 — 2005 年，生态系统健康指数的增速明显超过城镇化的增速，两者呈扩张性负解耦状态，主要得益于2000 年国务院印发的《全国生态环境保护纲要》以及2002 年国家实施的退耕还林、退牧还草等生态工程对中国陆地边境地区的生态系统健康产生了积极影响。2005 — 2010 年及2015 — 2020 年城镇化加速同时生态系统健康下降，形成强解耦，凸显城镇化对生态的胁迫作用。2010 — 2015 年，城镇化增长速度明显高于生态系统健康指数提升速度，二者呈弱解耦关系。2015 年生态系统健康指数相较于2010 年进一步提升，主要得益于自2012 年11 月中共十八大将生态文明建设确立为中国特色社会主义事业“五位一体”总体布局的核心内容以来，中国生态环境保护力度进一步加大。

研究期间，中国陆地边境地区各地级单元城镇化与生态系统健康解耦关系呈现多元化解耦状态，主要以强解耦与弱解耦为主（图8），两者均揭示了城镇化对生态系统的压力，凸显城镇化进程给生态系统健康带来负向影响超出其自我恢复和调节的能力。由于各地级单元城镇化各系统与生态环境各系统的动态波动，导致解耦状态不稳定，这些解耦状态的形成，既受各地区的生态安全状况、交通边缘性以及地缘经济等因素的影响，也与各地区的政策导向和发展策略密切相关。

2000 — 2005 年，中国陆地边境地区各地级单元城镇化与生态系统健康解耦状态呈现多元化解耦状态。强负解耦主要集中在东北区和新疆区，这些区域因人口外流和失业率上升，二三产业占比下降，同时作为国家生态安全的重要屏障，在一定程度上影响城镇化的资源保障，使得城镇化水平下降。但通过积极采取生态保护措施如限制建设用地占用林地、草地，以及国家相继实施天然林保护工程、退耕还林、退牧还草等一批重大生态保护工程等，生态系统健康有所上升。值得注意的是，西藏区各城市在该阶段的生态系统健康指数均呈上升状态，其他地区城市既有上升也有下降，主要得益于西藏自治区人民政府于2000年制定《西藏自治区生态环境建设规划》以及国家实施西部大开发战略后，力求城镇化和生态和谐共生。扩张性负解耦主要出现在内蒙区、东北区和滇桂区，表明这些地区在保护生态的积极作为，同时也反映了生态系统健康是城镇化进程重要的资源保障。

2005 — 2010 年，中国陆地边境地区各地级单元城镇化与生态系统健康解耦状态主要表现为强解耦和弱解耦，占比分别是44.44% 和37.78%。其中内蒙区、西藏区、滇桂区在这一期间只有强解耦和弱解耦，这说明这三大地区地级单元在城镇化发展的同时，对生态环境建设投入力度不同，导致这些地级单元间生态系统健康指数有的上升、有的下降。与2000 —2005 年相比，强负解耦状态不存在，主要转变为强解耦或弱解耦，说明城市的城镇化水平逐渐提高。

2010 — 2015 年，中国陆地边境地区各地级单元城镇化与生态系统健康解耦状态主要表现为强解耦和弱解耦，其中弱解耦主要出现在内蒙区，说明内蒙区在此期间城镇化与生态系统健康双赢，得益于2011 年国家对内蒙区实行的《国务院关于进一步促进内蒙古经济社会又好又快发展的若干意见》，提出2015 年遏制生态环境恶化趋势，以及地方政府采取的生态保护措施等。值得注意的是，相比2005 — 2010年，只有东北区的黑河市解耦状态由弱解耦转变为强负解耦，说明城镇化水平在此期间出现下降，其中一个重要原因是出现人口流失，2015 年黑河市总人口比2010 年减少6.1 万人。

2015 — 2020 年，中国陆地边境地区的城镇化与生态系统健康解耦状态以强解耦、弱解耦和扩张性负解耦为主。其中，内蒙区受益于国家对包括内蒙区在内的国家重点生态功能区通过财政转移支付方式进行资金支持，用于生态保护和修复工作，呈现弱解耦和扩张性负解耦态势。东北区北部强解耦现象显著，呈连片集中特点。新疆区则展现多元化的解耦状态。滇桂区和除阿里地区的西藏区以强解耦或弱解耦为主，生态系统健康指数有所下降。特别地，阿里地区在该阶段呈现弱负解耦，城镇化与生态系统健康指数均下滑，这与其在2000 — 2015 年间城镇化指数持续上升的趋势形成鲜明对比。究其原因，2015 —2020 年复杂的经济和社会环境，如全球经济波动和政策调整，对阿里地区的经济、人口和产业结构产生较大影响，需引起重视。

4 结论与讨论

4.1 结论

中国陆地边境地区面临城镇化发展滞后现象。应制定差异化发展政策，鼓励绿色城镇化模式，如通过生态移民政策优化人口分布，保护生态敏感区，推进边境特色小镇建设等。同时针对城镇化水平有所下降的地区，应当积极发展经济多元化，提升经济活力。

中国陆地边境地区城镇化进程对生态系统健康构成负面影响，受地缘经济发展、土地利用变化、资源消耗、资源污染等影响着生态系统结构和功能。如内蒙与新疆区城镇化差异显著，前者依托区位与资源优势快速发展，后者则受地理、经济多重制约城镇化水平较低。共同面临生态系统健康指数的下降，内蒙区因过度依赖资源密集型产业而承受生态压力，新疆区则因其脆弱的生态系统在城镇化进程中更易受损。因此，应积极实践绿色经济发展模式，实施精准生态修复策略，推行生态补偿机制，优化国土空间布局，构建区域协同发展机制与跨界合作机制等。

中国陆地边境地区城镇化对生态系统健康的影响程度呈现阶段变化。随着城镇化进程的推进，从经济城镇化主导逐渐转向土地城镇化主导。应加强监测与评估城镇化进程中生态系统的状态变化，实施差异化的区域发展策略。在经济城镇化影响较大的阶段，加强生态环境保护政策的执行力度；在土地城镇化影响加剧的阶段，重点推进生态修复和土地集约利用；在人口城镇化成为主要因素的阶段，注重提升城市基础设施和公共服务水平，提高居民生活质量；在社会城镇化影响较大的阶段，加强社会保障体系建设，推动社会治理创新。

中国陆地边境地区城镇化与生态系统健康解耦程度在不同研究阶段呈现各异的解耦状态，要求必须紧密关注城镇化与生态系统健康两者的发展态势。针对出现强解耦、弱负解耦、衰退性耦合和衰退性解耦的地区，应当避免在生态敏感区、水源涵养地等重要生态功能区进行大规模开发。

4.2 讨论

在持续推进边境地区兴边富民行动、西部大开发战略等高质量区域发展政策，以及践行“绿水青山就是金山银山”的理念指引下，本文对中国陆地边境地区城镇化与生态系统健康的变化及两者的关系进行研究。城镇化进程中，土地利用变化、资源消耗、资源污染等影响着生态系统结构和功能，同时，生态系统健康的变化也对城镇化进程产生反馈。为了更深入理解这种相互机理，与刘芳锐等[13] 学者利用双变量莫兰指数分析粤港澳大湾区土地城镇化显著影响生态系统健康的结论相呼应，本文采用随机森林模型同样发现边境地区土地城镇化对生态系统健康的影响日益显著，必须科学规划，优化城镇布局。同时，解耦模型的分析结果显示，城镇化与生态系统健康之间的关系呈现动态变化特征，说明随着城镇化推进、生态保护意识提高和国家政策实施等，两者关系有可能转变。随机森林模型在识别城镇化进程中影响生态系统健康的关键因素上展现出卓越性能，然而，鉴于复杂系统的多维度与动态性，单一模型的应用往往难以全面捕捉其内在运作机制，并且难以深入地剖析复杂系统背后的多元互动与内在机制。为了弥补这一局限，未来的研究将致力于构建一套集成多种先进方法（包括BP神经网络模型、系统动力学模型等）的综合预测系统。该系统将不仅能够提升对城镇化与生态系统健康关系变化的预测精度与稳健性，还将通过对比不同模型的输出结果，优化模型参数与结构，以确保预测结果的最优化。在这一综合框架下，还将深入剖析城镇化进程中生态系统变化的多元驱动机制。此外，未来将扩充年度数据以更密集的时间分辨率探究城镇化与生态系统健康之间的解耦变化规律。