
-
生物通官微
陪你抓住生命科技
跳动的脉搏
将生态系统服务与机器学习相结合构建生态安全格局:以中国江西省为案例研究
《Scientific Reports》:Coupling ecosystem services with machine learning to construct ecological security patterns: a case study of Jiangxi Province, China
【字体: 大 中 小 】 时间:2026年08月07日 来源:Scientific Reports 4.9
编辑推荐:
摘要快速的城市化进程威胁着中国东南部重要生态屏障——江西省的区域可持续性。本研究构建了一个高精度、长期(2005–2024年)的生态安全格局分析框架,解决了传统方法在主观权重设定和空间异质性处理方面的缺陷。通过将InVEST模型与形态空间格局分析方法相结合,我们发现该省约有40%
快速的城市化进程威胁着中国东南部重要生态屏障——江西省的区域可持续性。本研究构建了一个高精度、长期(2005–2024年)的生态安全格局分析框架,解决了传统方法在主观权重设定和空间异质性处理方面的缺陷。通过将InVEST模型与形态空间格局分析方法相结合,我们发现该省约有40%的地域属于生态源区。然而,由于城市扩张,核心生态源区的面积减少了29,844.69平方公里(从2005年的67,567.91平方公里降至2024年的37,723.22平方公里),其中2010–2015年间减少幅度最大,达16,903.20平方公里。在构建阻力面时,我们采用了随机森林机器学习方法替代传统专家权重设定方式,该模型能够有效识别“城乡二元结构”,其性能优于其他分类方法(准确率:0.8921,F1值:0.8929)。随后又运用电路理论来提取生态廊道,结果显示核心低阻力廊道的密度增长了3.5倍(从0.0068公里/平方公里增至0.0238公里/平方公里)。特别值得关注的是,鄱阳湖城市群是生态障碍最为严重的区域,2020年该区域的强电流密度集中区域面积达到了8,163.25平方公里。这一基于数据的分析框架为划定生态红线以及推动高质量绿色发展提供了科学依据。
生物通微信公众号