《Environmental and Sustainability Indicators》:From Conversion Probability to Risk Thresholds: An Integrated Assessment Framework for Ecosystem Service Loss and Ecological Risk Under Land Use Change in Northeast China
编辑推荐:
土地利用变化是生态系统服务(ES)退化和生态风险(ER)升高的关键驱动因素,对区域可持续性构成严峻挑战。评估ER及其驱动机制对于理解生态系统动态和制定适应性策略至关重要。然而,现有研究很少考虑土地利用转换概率对ES权衡的加权影响,也很少关注环境因素对ER的非线
土地利用变化是生态系统服务(ES)退化和生态风险(ER)升高的关键驱动因素,对区域可持续性构成严峻挑战。评估ER及其驱动机制对于理解生态系统动态和制定适应性策略至关重要。然而,现有研究很少考虑土地利用转换概率对ES权衡的加权影响,也很少关注环境因素对ER的非线性阈值效应。研究人员以中国东北地区为研究区,开发了一个基于概率的ER评估框架,整合了LCM、InVEST和LightGBM-SHAP模型。研究人员模拟了土地利用动态(2000–2030年),评估了四种关键ES(土壤保持、产水量、生境质量、碳储量),并量化了ER及其非线性驱动因素。结果表明:(1)土地利用保持稳定,建设用地扩张;高转换概率出现在农田向建设用地以及森林向农田的转换(2020–2030年)。(2)碳储量和生境质量下降,而产水量和土壤保持先减后增;总ES略低于2000年水平。(3)ER表现出显著的空间异质性:高风险区域聚集在城市群和工矿区,低风险区域位于大兴安岭、小兴安岭和长白山森林区。(4)人类足迹指数是ER的主要驱动因素,其次是NDVI,多个因素表现出显著的非线性阈值效应。
**论文解读:从转换概率到风险阈值——东北地区土地利用变化下生态系统服务损失与生态风险的综合评估框架**
**研究背景与问题**
土地利用与土地覆盖变化(LUCC)是全球环境变化的主要驱动力,深刻改变景观格局并破坏生态过程,威胁生态安全与人类福祉。生态系统服务(ES)是生态系统为人类提供的各种惠益,而生态风险(ER)指人类活动对自然生态环境造成的威胁。在东北地区,作为重要的商品粮生产基地和重工业基地,农田扩张、城市建设和生态保护之间的空间冲突突出,导致ES退化与ER升高。然而,现有研究存在两个关键不足:一是鲜有考虑不同土地利用转换类型发生概率对ES损益的加权影响,导致评估结果缺乏科学性;二是对驱动因素的非线性关系及关键阈值关注不足,多数研究仅分析线性关系。因此,迫切需要一个整合转换概率、ES损失与非线性驱动机制的评估框架,以支撑区域可持续发展策略。
**研究内容与结论**
本研究以东北地区为研究区,构建了基于概率的生态风险评估框架,整合了土地变化模型(LCM)、生态系统服务与权衡综合评估模型(InVEST)以及轻量级梯度提升机结合SHapley加法解释模型(LightGBM-SHAP),系统模拟了2000–2030年土地利用动态,评估了土壤保持、产水量、生境质量和碳储量四种关键ES,量化了ER并识别了其非线性驱动因素。研究得出以下结论:(1)土地利用格局总体稳定,建设用地持续扩张;2020–2030年,农田向建设用地和森林向农田的转换概率较高。(2)碳储量和生境质量下降,产水量和土壤保持先降后升,总ES略低于2000年水平。(3)ER呈现显著空间异质性:高风险区集中于城市群和工矿区,低风险区分布于大兴安岭、小兴安岭和长白山森林区。(4)人类足迹指数(HFP)是ER的首要驱动因素,其次是归一化植被指数(NDVI),多个因素表现出显著非线性阈值效应。该研究为类似生态脆弱区的风险评估提供了方法学参考,论文发表在《Environmental and Sustainability Indicators》。
**主要关键技术方法**
本研究采用以下关键技术方法:利用土地变化模型(LCM)耦合逻辑回归算法,模拟2000–2030年土地利用时空动态并计算转换概率;基于InVEST模型定量评估土壤保持、产水量、生境质量和碳储量四种ES;通过构建综合ES指数(CES)量化LUCC引起的ES损益;结合转换概率与ES损失,基于风险矩阵概念建立生态风险指数(ERI);最后应用LightGBM-SHAP模型识别ER的关键驱动因素及非线性阈值效应。研究区域为东北地区(包括黑龙江、吉林、辽宁和内蒙古东部),数据来源涵盖LUCC、气象、地形、土壤、社会经济及人类活动等多源数据集(2000–2020年)。
**研究结果**
**4.1 过去与未来土地利用变化的时空格局**
基于LCM模型模拟2000–2020年土地利用变化,发现农田和森林始终为优势类型,建设用地持续扩张。2020–2030年,农田向建设用地的平均转换概率为0.15,森林向农田为0.22,表明高强度人为转换倾向。
**4.2 生态系统服务的时空动态**
**4.2.1 单项ES时空演变**:碳储量持续小幅下降(2000–2020年降低0.41%);生境质量先升后降,总体下降;产水量先降后升(2010年最低,2020年回升);土壤保持先骤降后恢复,但2020年仍低于2000年水平。空间上呈显著异质性,东部山区高值,西部平原低值。
**4.2.2 总ES时空演变**:综合ES指数(CES)均值先降后升(2000年0.4826,2010年0.4524,2020年0.4684),略低于2000年水平。空间上东部山区高值,中西部平原低值,变化格局以中部平原负变化为主。
**4.3 土地利用变化诱导的生态风险空间格局**
基于LCM转换概率和InVEST ES损失构建的ERI显示,高风险区聚集在辽中南和哈长城市群及东部工矿区,中风险区分布于农牧交错带和丘陵山区,低风险区广泛位于大兴安岭、小兴安岭和长白山森林区,ER与人类活动强度密切相关。
**4.4 生态风险的驱动因素及非线性效应**
**4.4.1 驱动因素分析**:LightGBM-SHAP模型揭示HFP(平均|SHAP值|≈0.0095)为最重要驱动因素,其次为NDVI(≈0.0083),地形因子(DEM、坡度、坡向)中等重要,气候变量(降水、温度、潜在蒸散)次之,土壤因子重要性较低。HFP正向贡献,NDVI负向贡献。
**4.4.2 非线性效应**:SHAP依赖图显示HFP超过30时ER呈指数增长;NDVI呈“U型”响应,在0.3–0.5区间保护效应最强,超过0.5后边际效应减弱;DEM在低海拔(<1000 m)正向贡献,中海拔转为负向,高海拔(>1200–1500 m)再次上升;温度和降水呈非线性双向效应;坡向显示阳坡风险高于阴坡。
**讨论与结论**
**讨论总结**
研究讨论了ER空间异质性的形成机制:高值区符合城市群“城乡梯度”理论,人类活动密集导致生态退化;工矿区造成不可逆破坏;低风险森林区作为“源”发挥缓冲作用,支持生物多样性-生态系统功能理论;农牧交错带代表“生态脆弱区”概念。HFP超过30的阈值支持韧性科学中的状态转变理论,而NDVI的U型响应与“中度干扰假说”一致。政策启示包括:加强生态红线政策,但在过渡区需采用缓冲带管理;对农牧交错带实施针对性恢复和生态补偿;优化城市规模布局,避免超大城市过度集聚。研究局限性包括:LCM转换概率可能不直接对应净面积变化,需结合双向转换及多尺度分析;不同数据源空间分辨率差异可能引入平滑效应,未来需开展多尺度建模和敏感性分析。
**研究结论翻译**
本研究通过整合LCM、InVEST和LightGBM-SHAP模型,开发了一个基于概率的LUCC生态风险评估框架,系统模拟了东北地区土地利用动态、ES演变及ER的非线性驱动力,弥补了转换概率加权和阈值效应识别的关键不足。2000–2020年,土地利用格局总体稳定,农田和森林为优势类型,建设用地持续扩张,水域面积减少。2020–2030年,农田向建设用地和森林向农田的转换概率较高,而生态恢复性转换强度较低。碳储量和生境质量呈微弱下降趋势,产水量和土壤保持先降后升。综合ES略低于2000年水平,空间上呈现东部山区高值、中西部平原和过渡带低值的格局。生态风险呈现显著空间异质性:高风险区聚集在辽中南和哈长城市群及东部工矿区,低风险区分布于长白山森林区。人类足迹指数是首要驱动因素,其次是归一化植被指数,驱动因素间存在清晰层次差异。核心因素表现出显著非线性阈值效应:HFP超过30后ER指数增长,NDVI呈“U型”响应。因此,东北地区生态风险管理应加强生态红线政策下的缓冲带控制与人类活动阈值,对农牧交错带等脆弱区实施针对性恢复,优化城市空间布局以遏制超大城市过度集聚,并平衡农田保护、城市化和生态系统保护。