生态指标|南京林业大学发文:基于 OPGD-MGWR 框架的景观生态风险的多尺度驱动机制及空间非平稳性:来自中国都市圈乡镇级单位的证据
快速的城市化和产业结构调整重塑了地貌，并可能使具有强烈空间异质性和尺度依赖性的景观生态风险（LER）升高。为了支持以治理相关单位为依据的国土空间规划，我们评估了中国南京都市圈（NMA）乡镇级单位（镇和街道）的景观生态风险，并利用最优参数地理探测器与多尺度地理加权回归（OPGD-MGWR）框架探究了其驱动因素。基于 2000 年、2010 年和 2020 年的 GlobeLand30 土地利用图，我们构建了景观生态风险指数，考察了空间集聚（全局莫兰指数和 LISA），并量化了全局决定因素、相互作用和局部变化效应。从 2000 年到 2020 年，耕地面积减少，而建设用地面积增加，景观生态风险保持中等至较高水平，形成了持续的同心圆模式（低核心 - 高周边 - 低外缘），具有显著的正空间自相关（莫兰指数＞0.43）。OPGD 检测到高速公路可达性和夜间灯光是主要因素，大多数因素对呈现出二元或非线性增强。MGWR 显示出明显的尺度异质性：归一化植被指数（NDVI）和到区/县中心的距离在全球范围内具有近乎一致的负向影响，而夜间灯光和水域面积则表现出强烈的局部非平稳性。所提出的乡镇级框架将风险水平、主导驱动因素和有效尺度联系起来，使多辖区大都市区能够实施差异化的风险治理。研究构建了一个将“格局演变”与“机制阐释”相联系的系统分析框架，包含四个关键模块：（1）识别土地利用转变轨迹——应用土地利用转变矩阵来追踪 2000 至 2020 年期间 NMA 土地利用变化的空间转换及主要流动方向；（2）量化 LER 的时空变化——遵循治理单元与生态过程的一致性，对 LER 进行评估，并对其时空梯度进行表征；（3）检验空间依赖性和聚类——采用全局和局部空间自相关指标来量化 LER 的聚类特性，并检测风险热点和冷点；（4）整合多尺度驱动分析——采用 OPGD-MGWR 耦合方法来解析 LER 空间分异的驱动因素及其尺度依赖效应。
在 2000 年、2010 年和 2020 年，长江中游地区（NMA）的土地利用结构以耕地和林地为主，其次是水域（湿地和水体）和人工表面，而草地和未利用地所占比例相对较小。从空间分布来看（图 3a 至 c），2000 年耕地广泛分布于长江沿岸以及中部和北部的平原地区，而南部的丘陵山区则主要被连片的林地所覆盖；人工表面则主要呈点状或小块状分布。到 2010 年，人工表面在长江沿岸走廊和核心城市群周边显著扩张，同时局部地区的湿地和水体出现恢复和扩大。到 2020 年，人工表面在长江沿岸和主要交通走廊进一步连片，继续向外扩展，强化了带状的城市形态；与此同时，城市周边地区的耕地被大量侵占，这既反映了这些地区的区位优势，也表明其开发限制相对较低（陶等，2023）。区域统计数据和转换关系（图 3d - e）表明，耕地面积持续减少，从 2000 年的 43394.53 平方千米减少到 2020 年的 38942.02 平方千米，其占比从 66.32% 下降到 59.52%。在 2000 年至 2010 年期间，耕地减少主要转化为人工表面和与水相关的区域（湿地和水体），而在 2010 年至 2020 年期间，耕地向人工表面的转换大幅增加。森林总体上保持相对稳定，2010 年略有增加，到 2020 年略有减少。湿地和水体面积从 5771.30 平方千米增加到 6319.69 平方千米，占比从 8.82% 上升到 9.66%，表明缓慢但稳定的增长；值得注意的是，在这二十年间，湿地/水体和耕地之间存在相互转换，这可能与诸如围湖造田和耕地被淹没等过程有关。相比之下，人工表面从 4066.79 平方千米迅速扩张至 8148.22 平方千米，面积几乎翻倍，所占比例从 6.22% 上升至 12.45%，这凸显了研究期间显著的城市扩张和建设集聚（Yi 等人，2025 年）。草地和未利用土地仍为次要组成部分，变化有限。采用统一的固定阈值分类方案，2000 年、2010 年和 2020 年的土地生态风险（LER）被划分为五个等级：极高（0.11 至 0.14）、高（0.10 至 0.11）、中等（0.08 至 0.10）、低（0.06 至 0.08）和极低（0.03 至 0.06）。总体而言，2000 年至 2020 年期间，南京都市圈（NMA）一直处于中高风险水平（图 4a 至 c）。从空间上看，三个时期 LER 均呈现出明显的聚集模式，以南京城市核心为中心，呈现出由内向外的“低—高—低”梯度分布。低风险单元主要分布在南部丘陵山区、南京核心建成区和淮安。南部丘陵山区形成了相对稳定的生态缓冲区，而像南京和淮安这样的主要城市核心区域，其土地利用构成较为单一，建成区比例高，景观格局相对稳定，这与它们较低的 LER 水平相对应（Li 等人，2023 年；Wang 等人，2025a；Wang 等人，2025b）。从时间变化来看，两个子时期内 LER 的演变差异显著（图 4d - h）。在 2000 - 2010 年期间，LER 既有增加也有减少：355 个乡级单位风险加剧，而 452 个单位风险减轻。LER 增加的区域集中在北部平原和城市扩张最为显著的城郊地带。在 2010 - 2020 年期间，LER 总体呈下降趋势，风险加剧的斑块数量减少至 187 个，主要位于扬州、淮安以及南部丘陵山区。综合考虑三个时间点的耦合变化，“下降 - 下降”轨迹最为普遍，表明 LER 持续下降，同时治理能力有所提升；这些单位在西部 NMA 和长江沿岸的城市带形成了相对连续的带状分布。相比之下，“上升 - 上升”轨迹最为少见，仅在中部 - 北部 NMA 和南部丘陵的部分地区出现零星分布。这种混合轨迹（“增加—减少”和“减少—增加”）主要出现在城市扩张前沿以及山地—平原过渡地带，反映出在城市扩张和生态修复/调节交替压力下风险应对的波动情况。全局莫兰指数表明，2000 年、2010 年和 2020 年，NMA 地区的土地生态风险（LER）的莫兰指数分别为 0.43、0.49 和 0.47，所有年份的 P 值均小于 0.001。这些结果表明，在整个研究期间，LER 存在显著的正空间自相关性，意味着其呈现出明显的聚集分布。从时间上看，2000 年至 2010 年期间，莫兰指数从 0.43 上升至 0.49，这表明在快速城市化和土地开发加剧的情况下，风险水平相似的区域在空间上变得越来越连贯，空间分异的格局得到了加强。2010 年至 2020 年期间，莫兰指数略有下降至 0.47；尽管空间聚集性在一定程度上有所减弱，但仍处于较高水平。这表明生态保护和风险控制措施在一定程度上缓解了相似风险斑块的聚集，但整体空间结构保持稳定，表现为持续的高风险聚集区和低风险聚集区并存。基于局部空间关联指标（LISA）的结果（图 5），在所有三年中，土地利用效率（LER）的空间聚类主要由高—高（HH）和低—低（LL）聚类构成，而高—低（HL）和低—高（LH）的离群点所占比例相对较小。这种模式表明 LER 在局部尺度上存在显著的空间依赖性。从空间上看，不同类型的 LISA 聚类围绕着南京和镇江等城市的城区核心分布，并向外辐射，形成了“HL—HH—LL”的同心圆格局。HH 聚类持续集中在南京、镇江和淮安等核心城市的密集开发带。相反，LL 聚类主要分布在研究区域的北部和南部边缘，形成了相对连续的低风险区。HL 和 LH 离群点主要位于 HH 和 LL 聚类的边界，表明这些过渡区域具有破碎的景观格局、快速的发展相关变化以及显著的局部空间异质性。利用 OPGD，我们定量评估了 2020 年候选驱动因素对 LER 空间差异的解释力。结果表明，新马地区 LER 的空间异质性主要受交通和人类活动相关因素的影响，而自然因素的作用相对较小（图 6）。特别是高速公路可达性（X10）和夜间灯光（X11）各自解释了 LER 空间差异的 50%以上，这表明交通网络和人类活动强度在很大程度上塑造了 LER 模式。相比之下，地形和气候因素的 q 统计量相对较低，这意味着在高度城市化的都市环境中，自然背景对风险模式的制约作用显著减弱，其主要通过调节景观类型分布和生态承载力发挥基础性影响（贾和等，2026；明春等，2025）。交互检测进一步表明，除了涉及公路可达性（X10）的组合外，大多数因子对的交互 q 统计量明显高于其对应的单因子 q 统计量，交互类型主要表现为双因子增强或非线性增强。这种模式突显了协同多因子效应在塑造 NMA 范围内的土地利用风险（LER）方面的重要性。自然因素与人为活动因素之间的交互作用尤为显著。例如，夜间灯光（X11）与水面积（X5）、降水量（X4）和数字高程模型（X2）等自然因素之间的交互 q 统计量通常超过 0.60，其中 X5 与 X11 的交互 q 统计量最高，达到 0.69，这表明高强度的人类活动叠加在水资源丰富的环境中，可能会产生高风险的复合空间（Wang 等人，2023a；Wang 等人，2023b）。此外，自然因素之间的相互作用以及自然因素与位置相关因素之间的相互作用（例如，归一化植被指数与数字高程模型、降水量与距省会距离）常常表现出非线性增强，这反映了地形、气候和水文配置的共同放大作用。相比之下，大多数涉及 X10 的相互作用相对于主导的单一因素而言表现为减弱效应；然而，其相互作用的 q 统计量仍处于 0.45 至 0.57 之间，这证实了公路可达性在解释 LER 方面的显著主导作用，因为其他因素在考虑 X10 后仅提供边际解释增益。基于地理探测器筛选出的 11 个因素，我们通过考虑（i）交通、人为活动和自然背景条件的信息代表性，以及（ii）相对较高的解释力，为 MGWR 模型选择了七个解释变量：归一化植被指数（X1）、水域面积（X5）、到省会的距离（X6）、到区/县中心的距离（X8）、到铁路的距离（X9）、公路可达性（X10）和夜间灯光（X11）。结果（表 3）表明，MGWR 在平衡模型复杂性和提高稳健性方面优于 OLS 和 GWR。此外，MGWR 中变量特定的带宽（范围从 52 到 805）显示出明显的尺度异质性，表明不同驱动因素影响 LER 的有效空间尺度并不一致。这些尺度差异化的效应为后续结合区域范围内的基线改善和有针对性的局部风险控制的分区策略提供了统计依据。为确保对系数空间模式的稳健解读，我们对局部 MGWR 回归系数（β）应用了显著性筛选，使用了调整后的临界 t 值（调整 t 值；表 4）。只有满足 |t|≥ 调整 t 值（95%）的空间单元才被保留用于系数制图。从统计学角度来看（表 4；图 7），归一化植被指数（X1）的带宽为 805，接近全球范围，平均系数为 -0.159，表明在整个研究区域内，植被覆盖度与土地利用效率（LER）之间存在稳定的负相关关系；总体而言，植被覆盖度的增加有助于降低风险。从空间分布来看，归一化植被指数的影响程度从西北向东南逐渐增强。水域面积（X5）总体上呈正相关（平均值为 0.167），显著的β值在南京城市核心周边形成带状或斑块状的聚集区，表明与水相关的空间对促进土地利用效率具有显著且空间明确的作用，且不受其他控制因素的影响。到区/县中心的距离（X8）平均呈弱正相关（平均值为 0.041），显著的β值主要集中在研究区域东北部的带状区域，这意味着在该子区域，土地利用效率对区/县中心的接近程度更为敏感，而在其他地方则不稳定或不显著。高速公路可达性（X10）的平均系数为负值（-0.070），但显著的单位相对较少，主要集中在特定的交通节点或局部区域，表明交通相关因素对土地利用效率（LER）的影响具有明显的局部聚集性。夜间灯光（X11）总体上呈负相关（平均值为 -0.898），在所有建模预测因子中空间变异性最强。由于其带宽较小（75），夜间灯光对土地利用效率的影响主要在局部尺度上起作用，且显著系数表现出明显的区域差异。
从统计学角度来看（表 4；图 7），归一化植被指数（X1）的带宽为 805，接近全球范围，平均系数为 -0.159，表明在整个研究区域内，植被覆盖度与土地利用效率（LER）之间存在稳定的负相关关系；总体而言，植被覆盖度的增加有助于降低风险。从空间分布来看，归一化植被指数的影响程度从西北向东南逐渐增强。水域面积（X5）总体上呈正相关（平均值为 0.167），显著的β值在南京城市核心周边形成带状或斑块状的聚集区，表明与水相关的空间对促进土地利用效率具有显著且空间明确的作用，且不受其他控制因素的影响。到区/县中心的距离（X8）平均呈弱正相关（平均值为 0.041），显著的β值主要集中在研究区域东北部的带状区域，这意味着在该子区域，土地利用效率对区/县中心的接近程度更为敏感，而在其他地方则不稳定或不显著。高速公路可达性（X10）的平均系数为负值（-0.070），但显著的单位相对较少，主要集中在特定的交通节点或局部区域，表明交通相关因素对土地利用效率（LER）的影响具有明显的局部聚集性。夜间灯光（X11）总体上呈负相关（平均值为 -0.898），在所有建模预测因子中空间变异性最强。由于其带宽较小（75），夜间灯光对土地利用效率的影响主要在局部尺度上起作用，且显著系数表现出明显的区域差异。应当指出的是，尽管到省会的距离（X6）和到铁路的距离（X9）显示出负的平均效应（见表 4），但它们的地方系数在 95% 的置信水平下未能产生足够数量的显著单位；因此，不再进一步讨论它们的地方空间模式。总体而言，显著的多尺度地理加权回归（MGWR）系数的空间分布凸显了自然条件和人为压力在各子区域所起的不同作用，为识别易受土地利用变化影响的区域以及实施基于分区的风险治理提供了精细的证据。
