《Land》:Composite Ecological Spaces as Governance Units for Comprehensive Land Consolidation: Identification and Evaluation in a Water-Town Region of China
编辑推荐:
在中国水乡地区,农村空间治理正在从土地利用结构调整转向多功能生态管理,这需要能够捕捉土地利用模式、生态过程和治理目标之间相互作用的空间单元。针对这一挑战,研究人员提出了复合生态空间(Composite Ecological Space, CESpace)的概念
在中国水乡地区,农村空间治理正在从土地利用结构调整转向多功能生态管理,这需要能够捕捉土地利用模式、生态过程和治理目标之间相互作用的空间单元。针对这一挑战,研究人员提出了复合生态空间(Composite Ecological Space, CESpace)的概念,并建立了一个面向生态导向空间治理的集成识别-评价框架。利用遥感、地形、土壤和水文数据中的38个指标,通过两阶段SOM-K-means聚类方法识别CESpace,同时基于指标-土地利用-维度(Indicator–Land Use–Dimension, ILD)框架和熵权法,通过生态系统服务和生态脆弱性评估评价其生态绩效。应用于上海市周浦镇全域土地综合整治试点区,该框架识别出四种主导CESpace类型。类型2(河道交汇-生产性农林复合)表现出最高的生态系统服务绩效和相对较低的生态脆弱性,而类型4(建成聚落-不透水面)生态功能有限且脆弱性最高。CESpace类型间的空间分异主要与水文动态、植被生产力和土壤条件的差异有关。该框架为识别CESpace以及将空间分类与生态诊断和差异化治理联系起来提供了可操作的方法,适用于类似的水乡景观。
**论文解读:复合生态空间作为水乡全域土地综合整治的治理单元——识别与评价**
**研究背景与问题**
全球农村景观正经历农业集约化、城市扩张和生态退化等深刻变革,传统土地整治从减少土地破碎化、提升农业生产力,转向整合生态修复、景观管理和多功能农村发展的综合路径。在中国,全域土地综合整治(Comprehensive Land Consolidation, CLC)已从以土地为中心的工程手段转向农村空间综合治理,强调耕地、水系、生态空间、聚落和基础设施的协调管理。然而,在水乡地区,密集的水网、破碎的土地利用和强烈的人类活动导致耕地、林地、水体、道路和聚落之间形成复杂交互,传统土地利用类别或行政边界难以捕捉生态过程与功能联系。现有研究在空间识别和生态评价方面存在分离:空间识别多依赖预定义土地类别或专家知识,难以表征多要素交互;生态评价常在行政边界或土地单元内进行,导致评价结果与生态意义空间不匹配。因此,需要一种集成框架,同时识别生态意义的空间单元并评价其生态绩效,以支持差异化治理。本研究基于此背景,提出复合生态空间(Composite Ecological Space, CESpace)概念,并开发识别-评价框架,应用于上海周浦镇试点区,旨在为水乡CLC提供生态导向的治理单元。
**研究方法**
研究人员采用多源数据构建38个生态指标系统,包括光谱与植被(如归一化植被指数NDVI、叶面积指数LAI)、雷达(后向散射系数)、地形(高程、坡度、流向)、土壤(有机碳SOC、全氮TN)和水文(水流累积量FA)等,数据来源包括GF-1卫星影像、Sentinel-1/2雷达与光学影像、数字高程模型(DEM)及土壤环境数据,所有指标重采样至2米空间分辨率,生成约313万个样本点。识别方法采用两阶段SOM-K-means聚类:先通过自组织映射(Self-Organizing Map, SOM)降低维度并生成初步分组,再通过K-means精细化聚类,以轮廓系数(Silhouette Coefficient, SC)和戴维斯-布尔丁指数(Davies–Bouldin Index, DBI)确定最佳聚类数(K=24),最终根据空间连续性和景观尺度可解释性筛选出4种主导CESpace类型。评价方法采用指标-土地利用-维度(Indicator–Land Use–Dimension, ILD)框架和动态熵权法:基于31个生态指标,结合土地利用类型和CESpace类型,确定指标在生态系统服务(支持、供给、调节)和生态脆弱性(暴露、敏感、适应)各维度下的正负关联,通过熵权法计算权重,进而计算CESpace的单维度和综合得分。统计检验使用Kruskal-Wallis检验和Dunn事后比较(Bonferroni校正)。
**研究结果**
**4.1 识别结果**
- **4.1.1 聚类结果与主导类型选择**:24个聚类中,基于聚类有效性(SC=0.543,DBI=0.908)、生态特征和空间连续性,识别出4种主导CESpace类型,分别占样本的91.6%、2.7%、1.6%和1.5%,其余微小聚类保留为局部变异。
- **4.1.2 空间分布特征**:类型1(混合基质-中等活力)为主要生态基质,呈大面积连续分布;类型2(河道交汇-生产性农林复合)集中于河网汇流区、稻田和池塘,呈聚集斑块;类型3(农田-水体过渡-水文连通性)沿水网呈线性或碎片化;类型4(建成聚落-不透水面)围绕道路、村庄和工业设施分布。
- **4.1.3 生态特征**:类型1为耕地、林地、水体等混合基质,植被中等;类型2植被活力最高,土壤渗透性较好;类型3植被低,地表光滑,连通水文;类型4植被最低,不透水面多,雷达后向散射强。
**4.2 评价结果**
- **4.2.1 权重与总体特征**:生态系统服务权重为支持0.343、供给0.217、调节0.440;生态脆弱性权重为暴露0.453、敏感0.410、适应0.137。Kruskal-Wallis检验显示四类CESpace在所有维度差异显著(p<0.001)。
- **4.2.2 生态系统服务绩效**:类型2在各服务维度得分最高,代表高服务空间;类型1为中等;类型3和4较低,类型4最低。
- **4.2.3 生态脆弱性**:类型2和3适应能力较高;类型4暴露和敏感得分最高,综合脆弱性最高。
- **4.2.4 生态效益与风险综合诊断**:类型2位于“高服务-低脆弱”象限,适合保护;类型3位于“低服务-低脆弱”;类型1和4位于“低服务-高脆弱”,类型4风险最高。
- **4.2.5 鲁棒性分析**:移除相似生态信息指标后,CESpace评价排序不变,结果稳健。
**4.3 治理优先级**
基于综合诊断,提出差异化治理:类型2以保护为主,维护水文连通性和农林结构;类型4需重点修复,降低不透水面、增强生态缓冲;类型1优化基质,提升土壤和植被;类型3维护连通性,适度增强功能。
**讨论与结论**
**讨论**:CESpace的空间分异源于水文地质条件、历史土地利用和生态演化的累积效应,而非单纯当前土地利用。关键生态指标方面,水文动态(FA)在暴露和敏感维度权重最高,植被生产力(LAI、Fcover、FaPAR)和土壤条件(SOC)对适应能力和服务贡献显著。从治理路径看,研究框架将识别-评价-治理连贯起来,推动CLC从空间重组转向过程导向的生态治理。政策意义上,CESpace为NbS导向的治理提供了空间显式单元,可应用于类似水乡景观。局限性包括未纳入社会经济因素和时序动态,未来需跨案例验证和扩展。
**结论**:本研究将CESpace概念化为治理导向的生态空间单元,并开发了集成识别-评价框架。在周浦镇试点区识别出四种主导CESpace类型,其分布与水文地质、历史土地利用和生态演化相关。评价显示类型2生态绩效最优,类型4脆弱性最高。该框架为差异化治理(保护、连通增强、生态改善、脆弱性降低)提供了生态参考,支持水乡CLC的生态系统导向实践。