方 林，方 斌，劉艷曉，蔡 俊，李燦鋒

長三角地區(qū)景觀生態(tài)風(fēng)險與人類活動強(qiáng)度的響應(yīng)及其時空關(guān)聯(lián)

方 林1，方 斌2※，劉艷曉3，蔡 俊1，李燦鋒4

（1. 安徽農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，合肥 230036；2. 南京師范大學(xué)地理科學(xué)學(xué)院，南京 210023；3. 東北師范大學(xué)地理科學(xué)學(xué)院，長春 130024；4. 中國地質(zhì)調(diào)查局昆明自然資源綜合調(diào)查中心，昆明 650100）

人類活動是誘發(fā)區(qū)域生態(tài)風(fēng)險的重要因素，但生態(tài)風(fēng)險與人類活動在不同尺度下的表征效果不一，響應(yīng)程度不同，從多尺度科學(xué)地研究區(qū)域景觀生態(tài)風(fēng)險與人類活動強(qiáng)度的關(guān)聯(lián)特征對于協(xié)調(diào)區(qū)域人地關(guān)系地域系統(tǒng)矛盾，推動地區(qū)可持續(xù)發(fā)展具有重要意義。該研究以長三角地區(qū)為研究對象，基于1990—2020年4期土地利用、夜間燈光、人口空間分布數(shù)據(jù)，建立市域、縣域、格網(wǎng)三級尺度，構(gòu)建景觀生態(tài)風(fēng)險及人類活動強(qiáng)度評估模型，刻畫不同尺度下二者的時空響應(yīng)特征，并基于Copula函數(shù)、雙變量空間自相關(guān)及耦合協(xié)調(diào)度模型，揭示景觀生態(tài)風(fēng)險與人類活動強(qiáng)度的時空關(guān)聯(lián)性。結(jié)果表明：1）1990—2020年間不同尺度下長三角地區(qū)景觀生態(tài)風(fēng)險均呈現(xiàn)北高南低的空間分布格局，且高風(fēng)險地區(qū)持續(xù)減少，低風(fēng)險區(qū)均呈增加趨勢，其中市域尺度下高風(fēng)險地區(qū)的減勢最明顯，而縣域尺度下，低及中低風(fēng)險區(qū)總體增勢最為顯著；2）1990—2020年間不同尺度下長三角地區(qū)人類活動強(qiáng)度均呈現(xiàn)東北高西南低的空間分布格局且高強(qiáng)度區(qū)域均呈現(xiàn)顯著上升趨勢，而低強(qiáng)度區(qū)域均明顯下降，其中格網(wǎng)尺度下高強(qiáng)度區(qū)域增幅最大，達(dá)13.42個百分點(diǎn)，市域尺度下低強(qiáng)度區(qū)域的減幅最為明顯，達(dá)9.76個百分點(diǎn)；3）1990—2020年間長三角地區(qū)人類活動強(qiáng)度與景觀生態(tài)風(fēng)險呈現(xiàn)正向相關(guān)性，但人類活動強(qiáng)度對于景觀生態(tài)風(fēng)險的影響正在削弱?？臻g上高-高（H-H）集聚區(qū)域呈現(xiàn)持續(xù)減少趨勢，而低-低（L-L）呈現(xiàn)先增后減的變化趨勢，低-高（L-H）及高-低（H-L）在2010年后增勢明顯。研究結(jié)果可為長三角地區(qū)國土空間優(yōu)化及生態(tài)安全維護(hù)提供理論依據(jù)，為區(qū)域生態(tài)風(fēng)險防范和生態(tài)修復(fù)提供參考。

土地利用；景觀；生態(tài)；人類活動；尺度響應(yīng)；Copula函數(shù)；長三角地區(qū)

0 引 言

自工業(yè)文明誕生以來，人類憑借先進(jìn)生產(chǎn)力得到了極大的物質(zhì)滿足，但膨脹的原材料需求，卻給自然生態(tài)系統(tǒng)帶來了沉重的負(fù)擔(dān)[1]。已有研究表明，受氣候變化及人類活動影響，全球陸地生態(tài)系統(tǒng)出現(xiàn)了不同程度的退化，且這一趨勢今后或?qū)⑦M(jìn)一步加劇[2]。事實上，區(qū)域尺度下較短時限內(nèi)影響并誘發(fā)區(qū)域生態(tài)風(fēng)險演變的自然因素往往趨于穩(wěn)定，難以發(fā)生大的突變，但人類活動變化卻異常激烈[3]，其顯性作用于陸地表面間接改變土地利用的類型、格局、強(qiáng)度，并對區(qū)域景觀格局及生態(tài)過程產(chǎn)生深刻影響，最終誘導(dǎo)區(qū)域景觀生態(tài)風(fēng)險（Landscape Ecological Risk，LER）發(fā)生演變。全面客觀且精細(xì)地刻畫人類活動與LER的時空關(guān)聯(lián)特征是協(xié)調(diào)人地關(guān)系地域系統(tǒng)矛盾、探索區(qū)域可持續(xù)發(fā)展道路的重要科學(xué)問題[4]。

LER是指人類活動影響下景觀格局與生態(tài)過程相互作用所產(chǎn)生的不利后果[5]。LER評價起源于20世紀(jì)90年代，較之于傳統(tǒng)生態(tài)風(fēng)險評價，其著重強(qiáng)調(diào)風(fēng)險空間異質(zhì)性的定量表征，其研究結(jié)果是支撐區(qū)域生態(tài)網(wǎng)絡(luò)建設(shè)和生態(tài)可持續(xù)管理的重要依據(jù)[6]。歷經(jīng)30多年的研究發(fā)展，LER研究已發(fā)展成為了地理學(xué)及生態(tài)學(xué)的研究熱點(diǎn)。目前，基于單一尺度進(jìn)行LER評價的研究日益成熟[7]，其研究對象的選擇既包括傳統(tǒng)的流域[8]、行政區(qū)[9]及城市地域單元[10]，同時也包括工礦開采區(qū)[11]、海岸帶[12]、農(nóng)牧交錯帶[13]等重點(diǎn)風(fēng)險控制區(qū)。但尺度變化及尺度差異增加了LER評價結(jié)果的不確定性，一定程度上造成了LER研究成果的割裂與脫節(jié)，極大地削弱了研究成果向?qū)嵺`的轉(zhuǎn)化與應(yīng)用。近年來，部分學(xué)者愈發(fā)關(guān)注景觀生態(tài)研究過程中的尺度問題，如基于適宜空間粒度[14]選取研究尺度，但卻鮮有研究關(guān)注LER評價過程中尺度變化的響應(yīng)特征。

人類活動可以理解為人類為滿足自身生存發(fā)展需要對自然生態(tài)環(huán)境所進(jìn)行的各種開發(fā)、利用與保護(hù)行為的總稱[15-16]。人類活動強(qiáng)度（Human Activity Intensity，HAI）是人類行為對自然環(huán)境所產(chǎn)生干擾作用程度的客觀表征。定量化及可視化表征區(qū)域HAI是揭示其與生態(tài)環(huán)境變化間密切關(guān)系的基礎(chǔ)。盡管伴隨著3S技術(shù)的快速發(fā)展，土地利用、生態(tài)系統(tǒng)服務(wù)等可視化空間制圖技術(shù)愈發(fā)完備[17]，但受限于人類活動的多元特征及復(fù)雜趨向，與人類活動相關(guān)的空間數(shù)據(jù)制備發(fā)展較為緩慢。高質(zhì)量HAI空間數(shù)據(jù)的缺失極大地限制了研究人員對人類活動與生態(tài)風(fēng)險間復(fù)雜作用關(guān)系的揭露，這也造成了二者研究的長期剝離與孤立。因此，長期以來相關(guān)研究多將人類活動視為輔助信息變量，鮮有關(guān)于HAI-LER關(guān)系的定量分析[18]。而HAI和LER評估的綜合運(yùn)用，不僅能深化人—地間復(fù)雜互動關(guān)系的研究，還能將人類福祉與生態(tài)環(huán)境變化相聯(lián)系，更好地為區(qū)域生態(tài)環(huán)境保護(hù)政策制定提供理論支持。

長三角地區(qū)是人活動密集、經(jīng)濟(jì)發(fā)展顯著且生態(tài)地位突出的典型區(qū)域之一?？焖俪鞘谢率褂騼?nèi)耕地保護(hù)、經(jīng)濟(jì)發(fā)展及生態(tài)維護(hù)之間的矛盾激化，其所產(chǎn)生的次生環(huán)境問題嚴(yán)重遲滯阻礙了長三角地區(qū)的可持續(xù)發(fā)展。為緩解區(qū)域人—地間矛盾關(guān)系，區(qū)域政府實行了退耕還林、生態(tài)功能區(qū)劃定等一系列政策法規(guī)。因此，本研究旨在以長三角地區(qū)為研究對象，探討區(qū)域LER與HAI的尺度響應(yīng)及時空關(guān)聯(lián)特征，揭示域內(nèi)人地關(guān)系的演變狀況，以期為地區(qū)國土空間優(yōu)化與生態(tài)安全維護(hù)以及區(qū)域生態(tài)風(fēng)險防范和生態(tài)修復(fù)提供參考。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

長三角地區(qū)包括上海、浙江、江蘇、安徽在內(nèi)的3省和1直轄市共41個城市，是中國人口集聚和經(jīng)濟(jì)活躍程度最高的地區(qū)之一，據(jù)國家統(tǒng)計局資料顯示（http://www.stats.gov.cn），截至2020年年底，域內(nèi)人口總量約為2.35億，占中國總?cè)丝诘?6.66%；地區(qū)經(jīng)濟(jì)生產(chǎn)總值達(dá)24.47萬億元，占全國GDP比值的24.08%。此外，地處長江下游平原，地形相對平坦，水熱條件優(yōu)越，年平均氣溫約為17 ℃。年降水量約1 368 mm，自然資源十分富足。受人類活動影響，長三角地區(qū)生態(tài)環(huán)境受到嚴(yán)重挑戰(zhàn)，生態(tài)環(huán)境保護(hù)與經(jīng)濟(jì)社會發(fā)展間矛盾沖突愈發(fā)明顯。系統(tǒng)梳理不同尺度下LER與區(qū)域HAI的時空關(guān)系演變規(guī)律，對于推進(jìn)長三角生態(tài)綠色一體化發(fā)展示范區(qū)建設(shè)，加快構(gòu)建區(qū)域生態(tài)環(huán)境共保聯(lián)治機(jī)制具有重要意義。

1.2 數(shù)據(jù)來源與處理

以長三角地區(qū)為研究對象，基于1990—2020年4期土地利用數(shù)據(jù)、夜間燈光數(shù)據(jù)、人口空間分布數(shù)據(jù)，對長三角地區(qū)LER與HAI的時空關(guān)聯(lián)特征展開分析。其中土地利用數(shù)據(jù)來源于中國科學(xué)院資源與環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn/），該數(shù)據(jù)空間分辨率為30 m′30 m，數(shù)據(jù)精度達(dá)90%；1992—2013年DMSP/OLS穩(wěn)定夜間燈光數(shù)據(jù)的像元灰度值范圍為0～63。2012—2018年NPP/VIIRS影像為月尺度數(shù)據(jù)。2種夜間燈光數(shù)據(jù)均來源于NOAA網(wǎng)站NGDC數(shù)據(jù)中心（https://www.ngdc. noaa.gov/eog/download.html），空間分辨率為1 km′1 km。人口空間分布數(shù)據(jù)來源于資源環(huán)境科學(xué)數(shù)據(jù)注冊與出版系統(tǒng)的中國人口空間分布公里網(wǎng)格數(shù)據(jù)集（http://www.resdc.cn/），空間分辨率為1 km′1 km。其中部分年份的夜光數(shù)據(jù)及人口空間分布數(shù)據(jù)缺乏，本研究采用相近年份的夜間燈光遙感數(shù)據(jù)及人口空間分布數(shù)據(jù)進(jìn)行替代和線性插值處理。為便于研究運(yùn)算，借助ArcGIS 10.5軟件將所有柵格數(shù)據(jù)重采樣至100 m′100 m，投影統(tǒng)一為Krasovsky_1940_Albers。

2 研究方法

2.1 研究尺度劃分

本研究以長三角地區(qū)為研究對象，探討區(qū)域LER與HAI的時空演變規(guī)律，借助ArcGIS10.5軟件，創(chuàng)建3種不同類型的評價單元尺度，即市域尺度、縣域尺度、格網(wǎng)尺度。在格網(wǎng)尺度下，參照已有研究[19]，采用10 km×10 km格網(wǎng)尺度既能保證研究的精度需求，且運(yùn)算量相對較低。其中縣域及市域尺度，參照2020年行政區(qū)劃標(biāo)準(zhǔn)進(jìn)行劃分。分別計算3種不同尺度下的LER及HAI變化，對比研究區(qū)不同尺度下的景觀生態(tài)風(fēng)險及人類活動強(qiáng)度的空間分布及其異質(zhì)性，揭示長三角地區(qū)LER與HAI對尺度變化的響應(yīng)特征。

2.2 LER評估

景觀格局變化引起的生態(tài)風(fēng)險受外部因素和內(nèi)部因素的影響，其中外部因素是指生態(tài)系統(tǒng)在受到脅迫時的干擾程度，用景觀干擾度進(jìn)行表征；內(nèi)部因素是指生態(tài)系統(tǒng)抵御壓力時的脆弱程度，借助景觀脆弱度進(jìn)行表征。研究基于Fragstats4.2軟件，基于研究區(qū)實際情況及已有研究[20]，圍繞景觀干擾度指數(shù)、景觀脆弱度指數(shù)構(gòu)建長三角LER評價模型，具體計算式為

式中D第景觀類型的景觀干擾指數(shù)；、、分別代表相應(yīng)的各景觀指數(shù)的權(quán)重，++=1，參照尉芳等[21]研究成果，、、分別定為0.5、0.3、0.2；F表示景觀破碎度，S表示景觀分離度，F(xiàn)D表示景觀分形維數(shù)；N表示景觀類型的斑塊數(shù)量，A表示景觀類型的面積，為景觀類型的總面積（hm2），P為景觀類型的周長（m）。R表示第類景觀類型的生態(tài)損失度指數(shù)；V第景觀類型的景觀脆弱度指數(shù)，其中景觀脆弱度指數(shù)參照已有研究成果[22]，采取專家打分法，對不同景觀類型進(jìn)行賦值，其中未利用地、水域、耕地、草地、林地、建設(shè)用地分別賦值為6、5、4、3、2、1，經(jīng)歸一化處理得到各景觀類型自身的脆弱度指數(shù)：未利用地0.29、水域0.24、耕地0.19、草地0.14、林地0.10、建設(shè)用地0.05；ERI為第個風(fēng)險小區(qū)生態(tài)風(fēng)險指數(shù)，A為第個風(fēng)險小區(qū)第類景觀的面積，A為第個風(fēng)險小區(qū)的面積。

2.3 HAI表征

HAI是度量人類改造自然力度的有效指標(biāo)[18]，現(xiàn)有關(guān)于HAI的表征方法可概括為直接或間接空間化兩類空間表征的方法。其中土地利用變化是人類經(jīng)濟(jì)社會活動的綜合反映，同時可看作人類活動作用于陸地表面的顯性后果，是用以表征HAI的理想媒介。但單純以土地利用變化等替評價HAI的方法，既難以反映多元、復(fù)雜和綜合的人類活動，同時也會與同樣以土地利用數(shù)據(jù)為基礎(chǔ)的景觀生態(tài)風(fēng)險評價產(chǎn)生一定程度的內(nèi)生效應(yīng)。為此，本研究在綜合前人研究的基礎(chǔ)上，引入夜間燈光及人口空間分布數(shù)據(jù)，并借鑒榮益等[23]的研究成果，綜合Lohani清單法、Leopold矩陣法及Delphi法3種方法，并通過求取平均值的方法減少系數(shù)誤差，最后針對不同土地利用類型賦予不同的人類活動影響強(qiáng)度系數(shù)，進(jìn)而構(gòu)建長三角地區(qū)HAI綜合評價模型，其表達(dá)式如下：

式中、、分別表示歸一化后的夜間燈光指數(shù)NTL、人口分布數(shù)據(jù)PD、以及土地利用數(shù)據(jù)LU的指標(biāo)權(quán)重。參照陳泓瑾等[4]研究成果，、、分別取0.3、0.3、0.4。

2.4 LER和HAI分級標(biāo)準(zhǔn)

有鑒于研究涉及的時間跨度較大，尺度較多，為便于直觀展示1990—2020年間不同尺度下LER及HAI時空演化特征，參照已有研究成果[24]，采用Jenks最佳自然斷裂法，將LER與HAI由低向高劃分為5個等級。

2.5 時空關(guān)聯(lián)分析

2.5.1 Copula函數(shù)建模

Copula理論是由Sklar于1959年首次提出，旨在揭示不同變量間線性及非線性的復(fù)雜關(guān)系，傳統(tǒng)皮爾遜相關(guān)分析僅能夠度量線性變化下保持穩(wěn)定的指標(biāo)，其數(shù)據(jù)要求嚴(yán)格的正態(tài)分布，難以捕捉變量間的非線性關(guān)系[25]。Copula函數(shù)可有效避免以上問題，現(xiàn)已在經(jīng)濟(jì)學(xué)、生態(tài)學(xué)、氣象學(xué)等復(fù)雜科學(xué)領(lǐng)域得到廣泛的應(yīng)用[26]。常見的Copula參數(shù)族包括橢球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函數(shù)的選擇直接關(guān)乎不同變量間關(guān)聯(lián)測度的結(jié)果，因此Copula建模的一個核心問題便是Copula函數(shù)的選擇問題。本研究基于Copula理論，采用非參數(shù)估計，借助核分布估計法調(diào)用合適的Copula函數(shù)，構(gòu)建LER-HAI互動關(guān)系分析模型，采用平方歐氏距離2（其值越小，模型擬合度越高）對模型進(jìn)行驗證，完成Copula函數(shù)的尋優(yōu)計算，分析LER-HAI的時序演變規(guī)律。研究選用Kendall以及Spearman秩相關(guān)系數(shù)對LER與HAI的互動關(guān)系進(jìn)行測度，二者在數(shù)據(jù)服從正態(tài)分布時與Spearman相關(guān)測度結(jié)果一致，相較之下，Kendall和Spearman秩相關(guān)系數(shù)能夠同時測度變量間線性及非線性的復(fù)雜作用關(guān)系，其相關(guān)性測度結(jié)果更加可靠[27]。建模過程通過MATLAB 19b軟件完成，不同函數(shù)的表達(dá)式見文獻(xiàn)[28]。

2.5.2 雙變量局部空間自相關(guān)

為進(jìn)一步刻畫長三角地區(qū)HAI與LER在空間上的互動關(guān)系變化，本研究借助雙變量局部空間自相關(guān)分析方法，探究LER與HAI的空間關(guān)聯(lián)模式，并通過GeoDa 1.18軟件繪制LISA聚類圖。模型的具體表達(dá)式參照文獻(xiàn)[29]。

2.5.3 耦合測度

借助物理學(xué)中的耦合模型，構(gòu)建LER與HAI的耦合協(xié)調(diào)度模型，定量分析長三角地區(qū)LER與HAI耦合過程與演進(jìn)趨勢，計算式為

式中表示長三角地區(qū)LER與HAI的耦合系數(shù)，反映二者間相互影響的程度；表示二者間的綜合調(diào)和指數(shù)（本研究參照前人[30]研究成果，待定系數(shù)和取0.5）；表示LER與HAI的耦合協(xié)調(diào)程度。

3 結(jié)果與分析

3.1 長三角地區(qū)LER時空特征分析

1990—2020年間不同尺度下長三角地區(qū)景觀生態(tài)時空變化特征，如圖1、圖2所示。整體來看，1990—2020年間不同尺度下長三角LER高風(fēng)險面積占比均呈現(xiàn)下降趨勢，低風(fēng)險地區(qū)均呈現(xiàn)上升趨勢，中風(fēng)險地區(qū)擴(kuò)大趨勢明顯；3種尺度下的LER空間分布存在明顯的共性規(guī)律，即北高南低的空間分布格局，高風(fēng)險區(qū)主要分布在長江以北地區(qū)，低風(fēng)險區(qū)主要分布于皖西、皖南、浙西南地區(qū)。不同尺度下LER呈現(xiàn)不同的尺度響應(yīng)特征，其中市域尺度下，高風(fēng)險區(qū)較其他尺度減少最為明顯，1990 —2020年間下降了19.51個百分點(diǎn)，低風(fēng)險區(qū)增長較其他尺度亦最為明顯，但中低風(fēng)險區(qū)域呈現(xiàn)減少趨勢，因此低及中低風(fēng)險區(qū)總體增長趨勢較低，僅為4.88%?？h域尺度層面，高風(fēng)險及中高風(fēng)險區(qū)域面積占比均呈現(xiàn)減少趨勢，30 a間分別減少17.60和3.60個百分點(diǎn)，低及中低風(fēng)險區(qū)總體增幅較其他尺度最為明顯，1990 —2020年間共增加了16.29個百分點(diǎn)。格網(wǎng)尺度層面，高風(fēng)險區(qū)占比較低，減勢平緩，中高風(fēng)險區(qū)占比1990—2020年間減少了8.79個百分點(diǎn)，中風(fēng)險區(qū)域整體穩(wěn)定在31.00%左右，低及中低風(fēng)險區(qū)總體占比較大，但總體增幅較低，30 a間總體增加了10.39個百分點(diǎn)。

3.2 長三角地區(qū)HAI時空特征分析

1990—2020年間不同尺度下長三角地區(qū)HAI的時空變化特征，如圖3所示。3種尺度下，區(qū)域HAI時空變化整體保持一致，其中高強(qiáng)度及中高強(qiáng)度區(qū)域面積占比持續(xù)上升，中強(qiáng)度Ⅲ區(qū)域面積占比相對穩(wěn)定，中低強(qiáng)度及低強(qiáng)度區(qū)域面積占比均呈現(xiàn)下降趨勢，這表明1990—2020年間長三角區(qū)域人類活動呈現(xiàn)低強(qiáng)度向高強(qiáng)度遞進(jìn)的時序變化特征?？臻g上長三角地區(qū)HAI呈現(xiàn)東北高西南低的空間分布格局，其中高強(qiáng)度地區(qū)主要圍繞以上海為核心的長三角城市群附近，而低強(qiáng)度區(qū)則主要分布在皖西、皖南及浙西地區(qū)的丘陵山地附近。具體到不同的尺度條件下長三角地區(qū)HAI的時空特征而言，市域尺度向格網(wǎng)尺度的遞減變化過程中，高強(qiáng)度區(qū)域占比不斷擴(kuò)大，在格網(wǎng)尺度下，高強(qiáng)度區(qū)占比由1990年的0.91%增長到2020年的14.33%，增幅最為明顯，達(dá)13.42個百分點(diǎn)，縣域尺度下，中高強(qiáng)度區(qū)的增幅變化最為明顯，30 a間增幅達(dá)24.10個百分點(diǎn)，中等強(qiáng)度區(qū)區(qū)域在格網(wǎng)尺度下減幅最為明顯，1990—2020年間減少了14.54個百分點(diǎn)，中低強(qiáng)度區(qū)在縣域尺度下變化最為明顯，達(dá)16.29個百分點(diǎn)，市域尺度下低強(qiáng)度區(qū)域的減幅最為明顯，30 a間減少達(dá)9.76個百分點(diǎn)。

圖1 1990—2020年不同尺度下景觀生態(tài)風(fēng)險（LER）等級占比變化特征

圖2 1990—2020年不同尺度下LER時空變化特征

3.3 長三角地區(qū)LER與HAI時空關(guān)聯(lián)分析

3.3.1 特征尺度選擇

有鑒于多尺度所帶來的冗雜性，本研究參照黃木易等[31]的研究方法，基于半變異系數(shù)，選取具有最佳空間響應(yīng)特征的尺度，不同尺度下LER和HAI的半變異系數(shù)如表1所示，其中半變異系數(shù)越大，表明其空間差異的信息量越豐富，反之信息量越少。綜合考慮LER和HAI的半變異系數(shù)值及樣本量，本研究將格網(wǎng)尺度作為LER及HAI時空關(guān)聯(lián)研究的特征尺度。

3.3.2 LER與HAI時間關(guān)聯(lián)特征

Copula函數(shù)相關(guān)性測度結(jié)果如圖4所示。選用Clayton Copula函數(shù)時，平方歐氏距離2相對較小，這說明Clayton Copula函數(shù)下的模型擬合優(yōu)度最好，因此本研究主要圍繞Clayton Copula函數(shù)運(yùn)算結(jié)果對1990—2020年間HAI和LER相關(guān)性進(jìn)行分析。綜合Kendall以及Spearman的相關(guān)性測度結(jié)果可知，長三角地區(qū)LER與HAI呈現(xiàn)明顯的正向相關(guān)性，即伴隨著HAI的增加，區(qū)域LER將不斷增長。但值得注意的是1990—2020年間Kendall以及Spearman相關(guān)系數(shù)均呈現(xiàn)由高向低的下降趨勢，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。綜合以上結(jié)果，本研究認(rèn)為1990—2020年間HAI與LER始終呈現(xiàn)正向相關(guān)關(guān)系，且相關(guān)性減弱趨勢明顯，但在未來較長一段時間仍將呈現(xiàn)正向相關(guān)性。這意味著長三角地區(qū)HAI的增加對于區(qū)域LER的影響正在削弱，即二者的沖突性降低，協(xié)調(diào)性增加。

圖3 1990—2020年不同尺度下人類活動（HAI）強(qiáng)度時空變化特征

表1 長三角地區(qū)LER與HAI半變異系數(shù)

3.3.3 LER與HAI空間關(guān)聯(lián)特征

雙變量局部空間自相關(guān)分析結(jié)果如圖5所示，H-H區(qū)表示高HAI與高LER集聚；L-L表示低HAI與低LER集聚；H-L表示高HAI與低LER集聚；L-H表示低HAI與高LER集聚。H-H區(qū)域早期（1990年）主要分布在安徽中部、江蘇東南部以及上海周邊地區(qū)，但2000—2020年間，H-H區(qū)域呈現(xiàn)明顯減少趨勢，并向江蘇中部、安徽中北部轉(zhuǎn)移。L-L地區(qū)主要分布于皖西大別山、皖南丘陵、浙西南地區(qū)，1990—2000年間L-L區(qū)域面積占比穩(wěn)定，2010—2020年間L-L占比呈現(xiàn)一定的下降趨勢。L-H地區(qū)與H-L地區(qū)則呈零星狀的空間分布特征，整體面積占比較少，L-H與H-L地區(qū)占比均呈現(xiàn)增長趨勢，其中L-H主要增長區(qū)域為安徽、江蘇中部及皖江城市帶地區(qū)；而H-L地區(qū)的增長區(qū)域則分布于以上海為核心的城市群周圍。

3.3.4 LER與HAI耦合度分析

為進(jìn)一步探明LER與HAI之間互動關(guān)系，本研究對二者間耦合協(xié)調(diào)關(guān)系的演進(jìn)趨勢進(jìn)行分析，結(jié)果如圖6所示。長三角地區(qū)1990—2020年間的耦合協(xié)調(diào)度“質(zhì)心”值為0.305 8。按照此前研究對于耦合協(xié)調(diào)度的范圍定義[30]，0.2<≤0.4，表示輕度失調(diào)。這表明LER與HAI處于沖突階段，且輕度失調(diào)。而1990—2020年間LER與HAI的耦合協(xié)調(diào)度整體上呈現(xiàn)增長趨勢，由1990年的0.303 1上升至2020年的0.311 2。這表明LER與HAI間關(guān)系逐漸由沖突向協(xié)調(diào)轉(zhuǎn)變。耦合度分析結(jié)果印證了此前關(guān)于長三角地區(qū)LER與HAI時空關(guān)聯(lián)特征的結(jié)論。

注：Kendall τ，Spearman ρ表示HAI與LER的相關(guān)系數(shù)；d2表示不同Copula函數(shù)的平方歐氏距離。

注：H-H區(qū)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。

圖6 1990—2020年長三角地區(qū)耦合協(xié)調(diào)度變化

4 討 論

4.1 LER與HAI多尺度時空變化特征

1990—2020年間長三角地區(qū)不同尺度下LER等級較高地區(qū)均呈現(xiàn)持續(xù)減少趨勢且減勢在近年來有著明顯的加劇，而低風(fēng)險等級地區(qū)呈現(xiàn)明顯的上升趨勢且近年來增勢愈發(fā)明顯。這與Ran等[32]此前的研究結(jié)論一致。呈現(xiàn)如此變化趨勢得益于2000年來中國政府針對長三角地區(qū)生態(tài)環(huán)境治理所提出的諸如：“退耕還林還草（2001年）”“大別山水土保持生態(tài)功能區(qū)（2010年）”“新安江流域生態(tài)補(bǔ)償試點(diǎn)（2011年）”等一系列支持性政策有關(guān)。長三角地區(qū)LER呈現(xiàn)北高南低的空間分布格局，區(qū)域東北部大面積的高風(fēng)險地區(qū)減少及西南部大面積低風(fēng)險區(qū)域的增長預(yù)示著長三角地區(qū)生態(tài)環(huán)境整體向好的趨勢特征，同時也表明區(qū)域政府的生態(tài)治理保護(hù)措施取得了顯著成效。

1990—2020年間，不同尺度下長三角地區(qū)HAI均呈現(xiàn)明顯的上升趨勢，特別是高強(qiáng)度地區(qū)面積占比持續(xù)增長，低強(qiáng)度地區(qū)面積占比呈現(xiàn)明顯的降低趨勢，這與長三角地區(qū)良好的自然稟賦、得天獨(dú)厚的區(qū)位優(yōu)勢、發(fā)達(dá)的經(jīng)濟(jì)基礎(chǔ)有著密切的關(guān)系，三者顯著影響并重塑著區(qū)域人口空間分布格局，使得長三角地區(qū)成為全國性的人口集聚中心。人口集聚與HAI攀升是區(qū)域社會經(jīng)濟(jì)發(fā)展的必然結(jié)果，該趨勢或在未來進(jìn)一步加劇。預(yù)防長三角東北部HAI較高地區(qū)的生態(tài)環(huán)境質(zhì)量下降及生態(tài)風(fēng)險升高，是區(qū)域生態(tài)治理與保護(hù)的重點(diǎn)。

尺度對于揭示LER與HAI的時空演化特征十分關(guān)鍵，由于生態(tài)系統(tǒng)及人類活動的高度復(fù)雜性，不同尺度下LER與HAI的時空特征存在一定的差異。但研究發(fā)現(xiàn)，不同尺度下，無論是長三角地區(qū)LER或是區(qū)域HAI的時空特征均存在明顯的共性，誠然亦存在一定的差異特征，這與張弛等[33]此前的研究結(jié)論較為一致。無論是LER還是HAI，二者的時空特征均會受到取樣尺度變化的影響，但這種影響并不是顛覆性的。由于較大尺度的空間幅度及粒度均高于小尺度，這就使得較大尺度下的研究分辨率偏低，局部范圍的景觀或人類活動信息易被模糊與忽略，但這并不意味著較大尺度下研究結(jié)論的失真，相反不同尺度有其對應(yīng)的實踐目標(biāo)。單一尺度下的LER或是HAI研究會忽略甚至扭曲其時空演變的某種規(guī)律，淡化或削弱研究結(jié)果的適用性或?qū)嵺`性，區(qū)域政府在開展當(dāng)?shù)厣鷳B(tài)保護(hù)與治理實踐時，應(yīng)依據(jù)不同的治理范圍及治理目標(biāo)選擇合適的尺度研究結(jié)果。

4.2 LER與HAI的時空關(guān)聯(lián)

研究發(fā)現(xiàn)，1990—2020年間HAI與LER呈現(xiàn)較強(qiáng)的正向相關(guān)性，即HAI的增加會激發(fā)區(qū)域LER的產(chǎn)生，這與前人[34-35]的研究結(jié)論一致。但與之不同的是，長三角地區(qū)人類活動與生態(tài)風(fēng)險間的相關(guān)系數(shù)呈現(xiàn)持續(xù)衰減態(tài)勢，這表明區(qū)域HAI的增加對于LER的影響正在削弱，二者關(guān)系正經(jīng)歷沖突向協(xié)調(diào)的轉(zhuǎn)變。耦合度分析結(jié)果表明長三角地區(qū)LER與HAI處于輕度失調(diào)水平，但區(qū)域LER與HAI的耦合協(xié)調(diào)度卻呈現(xiàn)明顯的上升趨勢，這也印證了“長三角地區(qū)人類活動與生態(tài)風(fēng)險間關(guān)系由沖突向協(xié)調(diào)轉(zhuǎn)變”這一結(jié)論。

傳統(tǒng)觀點(diǎn)認(rèn)為人類活動加劇會給自然生態(tài)系統(tǒng)帶來沉重的負(fù)擔(dān)，激化區(qū)域人地關(guān)系地域系統(tǒng)矛盾。但近年來部分學(xué)者[36-37]研究認(rèn)為，人類社會發(fā)展與自然生態(tài)環(huán)境的關(guān)系會呈現(xiàn)先惡化后改善的倒U形發(fā)展趨勢，即經(jīng)典的“環(huán)境庫茲涅茨曲線”假說。受經(jīng)濟(jì)社會發(fā)展影響，人口會向發(fā)達(dá)的城市地區(qū)集聚，高強(qiáng)度的人口負(fù)荷，會對區(qū)域自然生態(tài)產(chǎn)生一定的影響，其影響程度與區(qū)域生態(tài)承載力有關(guān)，因此長三角地區(qū)HAI與LER呈現(xiàn)正向相關(guān)關(guān)系，但伴隨著經(jīng)濟(jì)發(fā)展至一定水平，人們生態(tài)保護(hù)意識的提高加之區(qū)域政府對于生態(tài)保護(hù)與治理力度的提升，HAI的增加對于區(qū)域LER的影響會逐步降低，甚至出現(xiàn)“拐點(diǎn)”。中國政府近20多年的生態(tài)保護(hù)實踐也表明：通過政策干預(yù)手段，能夠有效降低區(qū)域生態(tài)風(fēng)險，及時修復(fù)受創(chuàng)的自然生態(tài)系統(tǒng)。

盡管HAI對LER的激化效應(yīng)明顯淡化，但“沖突”向“協(xié)調(diào)”關(guān)系轉(zhuǎn)換的過程是漫長的，未來區(qū)域政府仍需加強(qiáng)域內(nèi)的生態(tài)環(huán)境保護(hù)。當(dāng)?shù)卣山Y(jié)合HAI與LER的空間關(guān)聯(lián)特征，因地制宜分區(qū)治理。其中，高HAI和高LER地區(qū)主要分布于皖中、蘇東南及上海周邊地區(qū)，但伴隨著長三角核心城市群產(chǎn)業(yè)升級，經(jīng)濟(jì)轉(zhuǎn)型，外來務(wù)工人員呈現(xiàn)一定的回流趨勢[38-39]，區(qū)域發(fā)展對于自然生態(tài)系統(tǒng)的擾動逐漸減少，因此在近年來高強(qiáng)度-高風(fēng)險地區(qū)整體減少，且逐漸向江蘇中部及安徽中北部擴(kuò)散，而這些地區(qū)人口稠密，經(jīng)濟(jì)起步晚，發(fā)展迅速，城市擴(kuò)張明顯，對生態(tài)的擾動程度明顯增強(qiáng)。因此2010年后江蘇中部及安徽中北部地區(qū)低HAI-高LER區(qū)域明顯增多，而上海等長三角核心城市群附近地區(qū)的高HAI-低LER區(qū)域也呈現(xiàn)了增長趨勢。此類現(xiàn)象的產(chǎn)生，本質(zhì)是長三角內(nèi)部不同地區(qū)發(fā)展階段的差異所造成的[40]。未來需警惕長三角腹地經(jīng)濟(jì)騰飛過程中所產(chǎn)生的次生環(huán)境問題，加快長三角核心區(qū)域的產(chǎn)業(yè)升級及經(jīng)濟(jì)轉(zhuǎn)型節(jié)奏，擴(kuò)大高HAI-低LER區(qū)域面積，協(xié)調(diào)二者間的關(guān)系；同時著重加強(qiáng)皖西、皖南、浙西南等低HAI-低LER地區(qū)的生態(tài)保護(hù)，防止區(qū)域經(jīng)濟(jì)發(fā)展侵吞原有的自然生態(tài)空間。

Copula函數(shù)的應(yīng)用能夠很好的彌補(bǔ)現(xiàn)有研究對變量間可能存在的非線性關(guān)系關(guān)注不足的問題，但受限于模型及連續(xù)數(shù)據(jù)缺失的影響，研究對于HAI與LER線性及非線性關(guān)系轉(zhuǎn)換的閾值揭示不足，后續(xù)需要探究更為適當(dāng)方法揭示二者關(guān)系轉(zhuǎn)換的閾值，并對二者的關(guān)聯(lián)機(jī)制進(jìn)行剖析。

5 結(jié) 論

本研究基于多期土地利用、夜間燈光及人口空間分布數(shù)據(jù)，分別探討了景觀生態(tài)風(fēng)險（LER）與人類活動強(qiáng)度（HAI）的尺度響應(yīng)特征，并基于Copula函數(shù)、雙變量空間自相關(guān)及耦合協(xié)調(diào)度模型，對二者的空間關(guān)聯(lián)特征進(jìn)行細(xì)致分析，研究結(jié)論如下：

1）1990—2020年間不同尺度下長三角地區(qū)LER均呈現(xiàn)北高南低的空間分布格局，且高風(fēng)險地區(qū)呈現(xiàn)減少趨勢，低風(fēng)險地區(qū)占比明顯增多；市域尺度下，高風(fēng)險地區(qū)減勢最明顯，30 a減少了19.51個百分點(diǎn)；縣域尺度下，低及中低風(fēng)險區(qū)總體增勢最為明顯，30 a間增加了16.29個百分點(diǎn)。

2）不同尺度下長三角地區(qū)HAI均呈現(xiàn)東北高西南低的空間分布格局，高強(qiáng)度地區(qū)主要分布在以上海為核心的長三角城市群附近，而低強(qiáng)度區(qū)則主要分布在皖西、皖南及浙西南地區(qū)；1990—2020年間不同尺度下高強(qiáng)度區(qū)域均呈現(xiàn)顯著上升趨勢，而低強(qiáng)度區(qū)域明顯下降，其中格網(wǎng)尺度下高強(qiáng)度區(qū)域增幅最大，達(dá)13.42個百分點(diǎn)，市域尺度下低強(qiáng)度區(qū)域的減幅最為明顯，30 a間減少了9.76個百分點(diǎn)。

3）格網(wǎng)尺度為LER及HAI時空關(guān)聯(lián)研究的特征尺度。1990—2020年間長三角地區(qū)HAI與LER呈現(xiàn)正向相關(guān)性，但相關(guān)性呈現(xiàn)減弱趨勢，而二者耦合協(xié)調(diào)度呈現(xiàn)上升趨勢，從1990年的0.303 1上升到2020年的0.311 2，這說明區(qū)域人類活動強(qiáng)度對景觀生態(tài)風(fēng)險的影響在減弱，兩者之間的關(guān)系正逐步從沖突轉(zhuǎn)向協(xié)調(diào)?？臻g上，H-H集聚區(qū)域呈現(xiàn)持續(xù)減少趨勢，而L-L呈現(xiàn)先增后減，整體減少的變化趨勢，L-H及H-L在2010年后增勢明顯，未來應(yīng)結(jié)合區(qū)域LER與HAI空間關(guān)聯(lián)特征，對區(qū)域生態(tài)環(huán)境進(jìn)行分區(qū)治理管控。

[1] 段群滔，羅立輝. 人類活動強(qiáng)度空間化方法綜述與展望：以青藏高原為例[J]. 冰川凍土，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] 劉坤，于賜剛，張藝凡，等. 青藏高原自然保護(hù)區(qū)人類活動及其影響研究現(xiàn)狀與熱點(diǎn)[J]. 應(yīng)用與環(huán)境生物學(xué)報，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] 陳泓瑾，劉琳，張正勇，等. 天山北坡人類活動強(qiáng)度與地表溫度的時空關(guān)聯(lián)性[J]. 地理學(xué)報，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，黨威雄，劉焱序，等. 景觀生態(tài)風(fēng)險評價研究進(jìn)展與展望[J]. 地理學(xué)報，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] 劉希朝，李效順，蔣冬梅. 基于土地利用變化的黃河流域景觀格局及生態(tài)風(fēng)險評估[J]. 農(nóng)業(yè)工程學(xué)報，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] 馬勝，梁小英，劉迪，等. 生態(tài)脆弱區(qū)多尺度景觀生態(tài)風(fēng)險評價：以陜西省米脂縣高渠鄉(xiāng)為例[J]. 生態(tài)學(xué)雜志，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] 楊伶，鄧敏，王金龍，等. 近40年來洞庭湖流域土地利用及生態(tài)風(fēng)險時空演變分析[J]. 生態(tài)學(xué)報，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，謝苗苗，李漢廷，等. 資源型城市景觀生態(tài)風(fēng)險的時空分異：以烏海市為例[J]. 地學(xué)前緣，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] 陳心怡，謝跟蹤，張金萍. ?？谑泻０稁Ы?0年土地利用變化的景觀生態(tài)風(fēng)險評價[J]. 生態(tài)學(xué)報，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] 徐蘭，羅維，周寶同. 基于土地利用變化的農(nóng)牧交錯帶典型流域生態(tài)風(fēng)險評價：以洋河為例[J]. 自然資源學(xué)報，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] 楊馗，信桂新，蔣好雨，等基于最佳尺度的景觀生態(tài)風(fēng)險時空變化研究：以重慶市江津區(qū)為例[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報，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] 黃孟勤，李陽兵，李明珍，等. 三峽庫區(qū)人類活動強(qiáng)度與景觀格局的耦合響應(yīng)[J]. 生態(tài)學(xué)報，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，劉艷曉，等. 長三角地區(qū)生態(tài)系統(tǒng)服務(wù)價值動態(tài)演化及驅(qū)動力分析[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報，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，劉京，夏利恒，等. 基于LUCC的陜西渭北旱塬區(qū)景觀生態(tài)風(fēng)險評價[J]. 中國環(huán)境科學(xué)，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] 榮益，李超，許策，等. 城鎮(zhèn)化過程中生態(tài)系統(tǒng)服務(wù)價值變化及人類活動影響的空間分異：以黃驊市為例[J]. 生態(tài)學(xué)雜志，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] 于淑會，康園園，鄧偉，等. 太行山東部縣域“三生”用地轉(zhuǎn)型與景觀生態(tài)風(fēng)險分析：以河北省平山縣為例[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(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] 董立寬，方斌，王晨歌. 基于Copula函數(shù)的茶園土壤銅鋅空間協(xié)同效應(yīng)研究[J]. 自然資源學(xué)報，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] 張齡月. 一類有關(guān)隨機(jī)向量間非線性相依度量的研究及其應(yīng)用[D]. 大連：大連理工大學(xué)，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，李賀. 基于Copula函數(shù)的CPI與PPI相關(guān)性分析[J]. 數(shù)學(xué)的實踐與認(rèn)識，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] 朱從謀，李武艷，杜瑩瑩，等. 浙江省耕地多功能價值時空變化與權(quán)衡—協(xié)同關(guān)系[J]. 農(nóng)業(yè)工程學(xué)報，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] 朱慶瑩，涂濤，陳銀蓉，等. 長江經(jīng)濟(jì)帶產(chǎn)業(yè)結(jié)構(gòu)與土地利用效率協(xié)調(diào)度的時空格局分析[J]. 農(nóng)業(yè)工程學(xué)報，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] 黃木易，岳文澤，方斌，等. 1970-2015年大別山區(qū)生態(tài)服務(wù)價值尺度響應(yīng)特征及地理探測機(jī)制[J]. 地理學(xué)報，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] 張弛，李枝堅，曾輝. 基于小波變換的生態(tài)系統(tǒng)服務(wù)權(quán)衡尺度效應(yīng)與影響因素研究：以珠江三角洲為例[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，陳萬旭，李江風(fēng)，等. 神農(nóng)架林區(qū)人類活動與生境質(zhì)量的空間關(guān)系[J]. 生態(tài)學(xué)報，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] 李輝，紅英，鄧國榮，等. 1982—2015年氣候變化和人類活動對內(nèi)蒙古草地凈初級生產(chǎn)力的影響[J]. 應(yīng)用生態(tài)學(xué)報，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] 陳改君，呂培亮. “生態(tài)正義”何以實現(xiàn)?——基于環(huán)境庫茲涅茨曲線的檢驗性分析[J]. 湖南社會科學(xué)，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] 劉曉紅，江可申. 基于靜態(tài)與動態(tài)空間面板模型分析城鎮(zhèn)化對霧霾的影響[J]. 農(nóng)業(yè)工程學(xué)報，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，趙忠. 農(nóng)民工遷移模式的動態(tài)選擇：外出、回流還是再遷移[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. 長三角地區(qū)勞動力回流的動因與對策研究[D]. 蘇州：蘇州大學(xué)，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] 孫秋鵬. 經(jīng)濟(jì)高質(zhì)量發(fā)展對環(huán)境保護(hù)和生態(tài)文明建設(shè)的推動作用[J]. 當(dāng)代經(jīng)濟(jì)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，劉艷曉，等. 長三角地區(qū)景觀生態(tài)風(fēng)險與人類活動強(qiáng)度的響應(yīng)及其時空關(guān)聯(lián)[J]. 農(nóng)業(yè)工程學(xué)報，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

國家自然科學(xué)基金云南聯(lián)合基金重點(diǎn)項目（U2102209）；國家自然科學(xué)基金項目（42071229，41671174）

方林，研究方向為土地利用與生態(tài)系統(tǒng)服務(wù)。Email：fl342427@126.com

方斌，教授，博士生導(dǎo)師，研究方向為耕地保護(hù)、土地利用及土地生態(tài)。Email：wenyanfang731@163.com