甘南高原景观生态风险动态与情景调控：PLUS-LER-BRT-ABM闭环耦合及治理—景观反馈框架

《Journal of Cleaner Production》：Landscape ecological risk dynamics and scenario-based regulation in the Gannan Plateau, China: A coupled PLUS-LER-BRT-ABM framework

　　

景观生态风险（Landscape Ecological Risk, LER）评估是区域生态安全与可持续土地管理的重要分析框架。全球气候变化和人类活动加剧对生态系统稳定性和生物多样性保护构成严峻挑战，山地生态系统因对气候变率高度敏感而尤为脆弱。作为“第三极”，青藏高原增温速率超过全球平均两倍，深刻影响区域冰冻圈动态、植被格局与下游水安全。甘南高原位于青藏高原东北缘与黄河上游交汇区，是黄河上游重要生态安全屏障，贡献黄河总径流量11.4%。然而，在气候变化和人类活动共同影响下，草地退化日益严重，重度退化面积超过总面积的60%，威胁区域生态系统服务功能、流域生态安全、牧民生计和下游水资源管理。甘南清洁生产议程进一步要求协调农业等部门资源效率、污染减排、绿化与增长，同时保护黄河上游，因此需要将生产压力与景观响应联系起来的空间工具。近年来，LER评估方法取得显著进展：在景观模拟层面，PLUS（Patch-generating Land Use Simulation）模型整合土地扩张分析策略与多类型随机种子机制；在风险量化层面，基于景观格局指数的评估框架被广泛应用；在驱动识别层面，Geo-Detector模型和机器学习方法提供技术途径。然而，现有研究仍存在局限：PLUS–LER耦合框架中，景观模拟器与下游风险评估之间的数据交换通常为单向序列，PLUS生成未来土地覆盖层后风险指数仅在该冻结层上计算，不允许植被恢复、放牧压力和不透水面调控等次年度生态过程在周期性刷新时反馈至后续PLUS土地覆盖组成，限制适应性政策评估；多数研究集中于10—20年短期模拟，缺乏跨越历史重构与未来预测的长时序分析；传统驱动识别难以量化非线性阈值，随机森林模型预测精度较高但“黑箱”性质限制响应机制分析，BRT（Boosted Regression Trees）通过偏依赖函数部分解决该问题，但在高寒牧区分析中很少将牲畜放牧强度作为独立驱动因子。为此，研究人员在1985—2045年整合PLUS、LER、BRT和ABM（Agent-Based Model），构建闭环，使代理行动更新LHGI（Long-term High-resolution Grazing Intensity）和FVC（Fractional Vegetation Cover），并将干预掩膜输入五年期土地覆盖刷新，而非仅串联模块输出；同时将LHGI建模为独立BRT预测因子，将放牧压力与一般社会经济和可达性代理分离。研究设定三个目标：表征1985—2045年LER演变；识别包括放牧强度在内的关键驱动因子非线性效应；利用匹配开环控制和反事实路径分解评估BL、EP、HC和CC情景。结果可为清洁生产和黄河上游水源治理提供空间指导，并为闭环生态风险建模提供方法学证据。

论文由Qi Yang、Weiwei Ma、Qiang Li、Zichen Guo、Wenning Wang、Jianyu Yuan、Jixuan Yan和Guang Li完成，并发表在《Journal of Cleaner Production》。研究背景上，全球环境变化与人类活动加剧威胁生态系统稳定性和生物多样性保护，景观生态风险（Landscape Ecological Risk, LER）评估成为区域生态安全与可持续土地管理的重要框架。山地生态系统高度脆弱，青藏高原作为“第三极”增温更快，甘南高原又位于青藏高原东北缘与黄河上游交汇处，是黄河上游生态安全屏障，贡献黄河总径流量11.4%，但草地退化严重，重度退化面积超过60%，威胁生态系统服务、流域安全和牧民生计。现有PLUS–LER评估多为单向耦合，缺乏次年度生态过程对后续土地覆盖的反馈；时间尺度偏短；驱动识别难以量化非线性阈值，且放牧强度常被并入一般人类活动代理。因此，研究人员开展1985—2045年PLUS–LER–BRT–ABM耦合研究，以闭环反馈、独立放牧强度驱动和情景调控评估为核心，旨在为清洁生产和黄河上游水源治理提供空间依据。

技术方法上，研究人员构建多源数据集：CLCD（China Land Cover Dataset）30 m土地覆盖、DEM与坡度、降水、Landsat NDVI、人口密度与GDP密度、LHGI、水体/道路/乡镇/车站可达性等，统一至30 m并采用WGS_1984_Albers。采用PLUS进行景观模拟；以5 km×5 km格网和FRAGSTATS计算景观格局指数，构建LER；采用BRT结合VIF（Variance Inflation Factor）筛选和10折交叉验证进行驱动归因与部分依赖分析；采用DI（Distribution Index）分析梯度—风险耦合；采用ABM以半年度步长和五年PLUS回填构建闭环，设置BL、EP、HC、CC情景，并结合匹配开环和反事实路径分解。

研究结果方面，4.1 LER格局与景观分布中，4.1.1 LER时空格局显示，1985—2045年LER呈东北低、西南高格局，HighER集中于玛曲中南部和碌曲西南部，占33.5%—37.8%，2045年BL投影下为37.3%；HirER占24.2%—27.0%，上两级合计约58%—62%。1985—2024年HighER由35.2%升至37.8%，LowER由12.0%升至15.5%，MER由15.9%降至12.5%，HirER由27.0%降至24.4%，呈两端极化；2035—2045年无干预情景下HighER约稳定在37%，LowER升至15.9%，1985—2045年HighER份额增加2.1个百分点。4.1.2 不同景观类型风险分布表明，草地和森林分别占LowER的75.3%—78.6%和17.8%—21.2%；湿地和裸地分别占HighER的21.3%—25.8%和18.7%—22.4%；超过70%的耕地处于HirER；不透水面2005年后HighER比例由46.8%降至35.2%，MER比例由16.2%升至35.9%。

4.2 驱动归因与响应格局中，4.2.1 变量筛选与相关分析显示，11个驱动因子VIF均小于10，POP最高为8.51，LHGI为1.38；DEM–PRE强相关（r=0.81），POP–GDP相关（r=0.88），LHGI与NDVI负相关（r=?0.36），与DEM正相关（r=0.31）。4.2.2 BRT模型性能与因子重要性显示，最优参数为学习率0.01、交互深度7、终端节点最小观测10；10折交叉验证R²=0.822，最佳迭代9786。社会经济因子GDP（27.7%）和POP（11.1%）合计贡献38.8%，LHGI贡献8.7%，超过各可达性因子；NDVI为11.5%、PRE为9.2%、DEM为9.0%、SLOPE为7.5%。部分依赖呈非线性：GDP在约500×10⁴ yuan km^?2以上趋于饱和，POP在约200 persons km^?2以上饱和，NDVI与风险负相关，DEM在约2500 m以上上升，PRE呈峰—谷—回升，SLOPE总体下降，LHGI在约5 SU ha^?1附近饱和。共现分析表明GDP和POP饱和尾部分布于更低海拔、更近水体区域；GDP尾部仅6个单元，POP尾部215个单元。4.2.3 梯度—风险耦合格局显示，NDVI-G5×LowER的DI为4.37，SLOPE-G5×LowER为3.20，DEM-G2×LowER为2.77，DEM-G5×HighER为1.80，PRE-G1×MER为2.69，PRE-G5×HighER为2.47，GDP-G2×LowER为2.51，POP-G5×HirER为3.46，LHGI-G1×LowER为2.13；高LHGI梯度呈弱峰且分散于多个风险等级。

4.3 基于ABM的风险调控情景中，4.3.1 参数校准结果显示，放牧脆弱性响应系数α=0.0068，95% bootstrap置信区间为[0.0037, 0.0104]；β=0.40，L*=2.16 SU ha^?1；M_LHGI变化范围为0.993—1.007，M_FVC为0.60—1.40。4.3.2 闭环动态、路径分解与β敏感性显示，区域平均LER由2024年的76.97×10^?3降至2045年BL的76.80×10^?3、EP的76.17×10^?3、HC的76.76×10^?3和CC的76.12×10^?3；相对BL，EP、HC、CC分别降低628.3×10^?6（0.82%）、40.0×10^?6（0.05%）和678.3×10^?6（0.88%）。β=0.40时，EP总降低?628×10^?6，EP_only_destock为?92×10^?6，EP_only_FVC为?606×10^?6，FVC通道归一化占比86.8%；β为0.20、0.40、0.60时EP降低分别为452、628、787×10^?6，FVC占比为82%、87%、89%。4.3.3 空间格局与代理机制显示，2024年HighER集中于西南部；2045年EP和CC使中部及西南部多个HirER/HighER转为MER，HC接近BL；EP和CC的降低集中于西南和中部，CC开环减闭环反馈收益在受影响单元非负，西部和西南最强。4.3.4 闭环反馈的匹配开环验证显示，BL在两种模式下相同，EP、HC、CC至2028年相同，2029年刷新后首次分歧，2045年差异分别为94.2×10^?6、40.0×10^?6和144.2×10^?6；反馈占EP和CC总降低的15.0%和21.3%，HC的小幅降低完全来自反馈；闭环LER在EP、HC、CC下分别有74.2%、61.6%、74.2%的单元降低，风险等级下降比例为3.6%、1.0%、5.0%，无单元恶化，配对Wilcoxon检验一致（单侧p<0.001）。

讨论部分，5.1 生态风险时空格局指出，东北—西南风险梯度反映地形、植被和人类活动分异，高海拔玛曲、碌曲高寒草甸风险来自景观破碎化及高脆弱裸地、湿地嵌块，而非草地类本身；历史生态工程减缓但未完全逆转退化压力。5.2 驱动与阈值效应指出，BRT显示社会经济因子和放牧强度贡献显著，LHGI超过各可达性因子，说明放牧压力应作为独立驱动；DI将总体影响分解为梯度关联，低GDP与低风险耦合、高POP与较高风险耦合，植被覆盖呈最强保护信号；GDP/POP饱和尾位于低海拔近水谷地，并非无风险增长。5.3 ABM结果解释与验证指出，匹配控制隔离了代理行动对未来土地覆盖刷新的影响，2029年前一致、之后逐步分歧，FVC恢复是主导风险缓解通道，但该结果取决于设定恢复，干旱、增温、冻土退化或极端事件可能抵消。5.4 政策启示与适应性管理指出，近期治理应优先草地植被恢复，建设控制作为补充而非替代；减畜深度加权补偿可替代统一补贴，并瞄准玛曲、碌曲等超载热点；应将耦合PLUS–ABM框架嵌入自适应监测和阈值预警。5.5 局限与展望指出，30 m土地覆盖可能遗漏细微变化，PLUS一致性部分反映持久单元；缺少土壤和明确政策指标；ABM参数部分采用文献先验；BRT关联非因果且未建模空间非平稳；开环测试为内部验证，仍需重复野外和遥感观测，并纳入气候条件化恢复函数。

研究结论翻译为：本研究构建了1985—2045年甘南高原PLUS–LER–BRT–ABM耦合框架。风险保持东北—西南梯度，五年反馈改变2029年后的路径。生态活跃的EP和CC情景相对BL使2045年平均LER分别降低0.82%和0.88%，HC为0.05%；FVC恢复在归一化路径分解中占主导，占分离通道效应之和的86.8%。操作上，应以单位载畜量超载加权补偿替代统一草地补贴，使支持随所需减畜深度缩放并瞄准西南热点。建设控制应作为预防性补充，干预应依据监测定期校准。