生态安全评价、预测及分区管理的一体化综合分析框架

南箔; 翟羽佳; 王蒙蒙; 王洪杰; 崔保山

doi:10.1016/j.eng.2024.11.032

Engineering ›› 2025, Vol. 49 ›› Issue (6) : 238 -250. DOI: 10.1016/j.eng.2024.11.032

研究论文

生态安全评价、预测及分区管理的一体化综合分析框架

南箔 ^a^,^b ,
翟羽佳 ^c ,
王蒙蒙 ^a ,
王洪杰 ^a^,^b ,
崔保山 ^c

作者信息 +

Ecological Security Assessment, Prediction, and Zoning Management: An Integrated Analytical Framework

Bo Nan ^a^,^b ,
Yujia Zhai ^c^,^* ,
Mengmeng Wang ^a ,
Hongjie Wang ^a^,^b^,^* ,
Baoshan Cui ^c ,

Author information +

文章历史 +

PDF (4479K)

摘要

提升生态安全水平，推动社会、经济与环境的协调可持续发展，已成为当前生态学研究的重点方向和生态管理的重要任务。然而，生态安全的回顾性评估、未来趋势预测与精细化分区调控尚未形成有效衔接，制约了生态治理能力的提升与区域可持续发展的实现。基于社会-经济-自然复合生态系统理论（SENCE），本文构建了一套集评估、预测与分区管理于一体的生态安全综合分析框架，并以华北平原典型流域——大清河流域——为研究对象开展实证研究。结果表明，2000—2020年间，大清河流域整体生态安全水平由“中等”提升至“较安全”，但空间异质性依然显著，呈现出西北部与东部地区生态安全水平较高、流域中部较低的空间格局。20年间，全流域约62%的区域生态安全水平有所提升，但是京津冀核心城市群生态安全状况普遍下降，呈现出不同程度的退化特征。未来预测显示，2025—2040年，流域整体生态安全水平将继续改善，并维持在“较安全”水平，但空间分异将进一步加剧，京津冀主要城市群生态退化趋势愈发明显。针对上述问题，本文在区域与县域尺度上划分生态安全管理分区，并提出相应的调控策略，强调在全流域及重点城市群范围内实施协同联动的综合管理。本文提出的生态安全一体化分析框架为生态安全理论研究提供了新思路，大清河流域生态安全案例亦为人地矛盾突出的流域及其他区域生态安全的提升提供了实践参考。

Abstract

Enhancing ecological security for sustainable social, economic, and environmental development is a key focus of current research and a practical necessity for ecological management. However, the integration of retrospective ecological security assessments with future trend predictions and fine-scale targeted regulations remains inadequate, limiting effective ecological governance and sustainable regional development. Guided by Social–Economic–Natural Complex Ecosystems (SENCE) theory, this study proposes an analytical framework that integrates ecological security assessment, prediction, and zoning management. The Daqing River Basin, a typical river basin in the North China Plain, was selected as a case study. The results indicate that overall ecological security in the Daqing River Basin improved from a “Moderate” level to a “Relatively Safe” level between 2000 and 2020; however, spatial heterogeneity persisted, with higher ecological security in northwestern and eastern regions and lower ecological security in the central region. Approximately 62% of the Basin experienced an improvement in ecological security level, except in the major urban areas of Beijing, Tianjin, and Hebei, where ecological security deteriorated. From 2025 to 2040, the overall ecological security of the Daqing River Basin is expected to improve and remain at the “Relatively Safe” level. However, spatial heterogeneity will be further aggravated as the ecological security of major urban areas continues to deteriorate. Ecological security management zones and regulation strategies are proposed at the regional and county scales to emphasize integrated regulation for the entire basin and major urban areas. The proposed analytical framework provides valuable insights for advancing theoretical research on ecological security. The case study offers a practical reference for ecological security enhancement in river basins and other regions facing significant human–land conflicts.

关键词

生态安全 / 分析框架 / 评价 / 预测 / 分区管理

Key words

Ecological security / Analytical framework / Assessment / Prediction / Zoning management

引用本文

引用格式 ▾

南箔,翟羽佳,王蒙蒙,王洪杰,崔保山. 生态安全评价、预测及分区管理的一体化综合分析框架[J]. 工程（英文）, 2025, 49(6): 238-250 DOI:10.1016/j.eng.2024.11.032

登录浏览全文

4963

注册一个新账户忘记密码

1 引言

人类活动驱动的全球快速变化引发了诸多生态挑战，迫使人类社会直面生态保护与发展之间日益加剧的矛盾，这一矛盾既威胁人类福祉，也破坏生态平衡[1‒2]。为缓解此类矛盾、实现人类可持续发展，须对生态问题展开全面研究[3‒6]。

生态安全指生态系统在适应环境变化的同时，维持自身可持续性与稳定性的能力[7‒8]。处于该状态下的生态系统能够提供必要的生态服务，为社会经济系统与人类福祉提供有效支撑。生态安全搭建起生态系统健康与满足人类需求能力之间的桥梁，通过引导二者间的权衡，实现最优平衡[9]。在人与自然交互日益密切的背景下，社会、经济、自然要素间复杂的相互依存关系给保障当代社会生态安全与实现可持续发展带来了挑战[10]。社会-经济-自然复合生态系统（SENCE）理论为区域可持续发展与生态安全研究提供了重要启示[11]，该理论通过整合社会、经济、自然要素，强调人与自然的相互依存关系[10]，已得到学者与政府管理者的广泛认可[12‒14]。因此，将SENCE理论融入生态安全研究，推动生态建设与社会经济协同发展，具有重要意义。

生态安全评价是开展生态安全相关研究的关键前提，被视为生态安全研究的核心，且已获得重点研究关注[15‒17]。过去几十年间，学者从不同视角，利用不同精度的多源数据，在不同区域围绕多个维度开展了大量生态安全评价研究[16‒17]。模糊物元法[18]、生态足迹法[19]、能值生态足迹法[20]、逼近理想解排序法（TOPSIS）[21]及概念框架[22]等评价模型，被广泛应用于生态安全评价。当前，生态安全领域的研究重点正逐步从回溯性评价转向对未来生态威胁的预测与预警。生态安全预测有助于了解生态环境可能发生的变化，并提前预警潜在环境威胁[23‒24]。关于生态预测的研究已应用了灰色模型、神经网络、系统动力学模型、元胞自动机及逻辑回归等方法[25‒26]。

尽管生态安全评价与预测研究已取得显著进展，但仍有若干问题需进一步探索。首先，当前社会发展不仅要求全面掌握生态安全趋势，还须明确不同生态区域存在的问题，并制定针对性调控措施以缓解负面影响。然而，生态安全评价得出的建议措施往往不够精准，阻碍了政策的有效实施。其次，基于行政区尺度统计数据开展的生态安全研究，难以有效捕捉不同空间位置的详细生态状况，也无法充分探究小尺度下生态安全的时空异质性。因此，在精细化生态安全调控中，有必要整合生态安全回溯性分析与未来趋势预测。此外，生态安全分区与差异化管理需根据区域生态环境的多样性及生态压力的差异性，制定针对性策略，以最大限度保护和维持生态系统功能与稳定性[27]。该方式有助于实施与当地生态状况相匹配的针对性管理及调控措施，避免“一刀切”的统一管理模式[28]。基于上述分析，本研究结合SENCE理论，构建了整合生态安全评价、预测与分区管理的分析框架，旨在为精准生态治理提供有效工具，助力提升生态安全水平与实现可持续发展。

流域是包含自然资源、经济活动与社会要素的复杂生态系统，能提供水资源供给、生物多样性保护、气候调节等必要生态系统服务[28‒29]。流域易受人类活动与土地利用冲突及外部干扰影响，进而引发生态失衡[30]。保障流域生态安全对保护生态系统功能、促进社会经济发展至关重要[28]。因此，须进一步开展流域生态安全综合评价，并为决策者制定相关指导方针[31]。大清河流域位于太行山与华北平原过渡地带，是华北平原生态安全格局的关键区域。作为我国主要粮食产区，该流域为京津冀都市圈庞大人口提供稳定的粮食供给与生态系统服务支撑，其生态安全状况是制约当地社会经济发展的重要因素。随着京津冀区域协同发展的加速及雄安新区建设的不断推进，大清河流域人地矛盾将进一步加剧。研究大清河流域生态安全对同类区域具有重要借鉴意义，但目前针对该区域生态安全的研究仍较为有限。

鉴于当前社会经济发展对高水平生态安全的迫切需求，本研究以SENCE理论为指导，构建生态安全分析框架，并以大清河流域为案例开展实证应用。研究目标包括：①构建有效整合生态安全评价、预测与分区管理的分析框架；②运用该框架分析生态安全时空演变特征、预测未来趋势，划分生态安全管理区并提出相应对策。本研究的贡献在于：①构建的分析框架有助于推动生态安全研究的理论发展；②大清河流域生态安全案例的研究结果有望为其他流域及同类区域提升生态安全水平提供有益参考。

2 研究材料与方法

2.1 生态安全分析框架

本研究构建了生态安全分析框架（图1），该框架有效整合了四个核心部分。第一部分以SENCE理论为基础，作为生态安全研究的理论指导。SENCE理论强调，为实现生态协调与区域可持续发展，必须整合社会、经济与自然系统。这一理论基础通过识别各子系统间的相互依存关系，助力全面理解生态安全，同时也是制定生态安全协同发展策略的依据[11]。第二部分聚焦基于压力-状态-响应（PSR）模型的生态安全评价[32]，从压力、状态、响应三个维度评估生态安全。该评价可揭示生态安全的时空演变特征、识别多尺度转型模式并明确生态安全演变的关键区域。第三部分利用历史时空数据构建预测模型，预测生态安全未来的分布特征、转型模式及关键区域。第四部分基于生态安全评价与预测结果，在区域和县域两个尺度划分生态安全管理区，并提出相应分区调控策略，以提升生态安全水平。

2.1.1 生态安全评价

评价指标体系：基于SENCE理论，运用PSR模型构建生态安全评价指标体系。将PSR模型应用于生态安全评价，既符合考量环境保护政策的要求，又能为区域生态管理提供科学指导[32]。该模型包含三个指标层：压力层反映人类活动对生态环境的影响；状态层体现生态系统自我维持能力；响应层说明人类为保障生态系统可持续性而采取的干预措施。选取的评价指标须全面反映研究区自然、社会、经济状况及其独特地理特征，同时还须考虑数据的可获取性与实际适用性。基于上述原则，本研究选取10项指标开展生态安全评价。其中，人口密度、夜间灯光指数、人类干扰指数（HI）用于表征压力层；净初级生产力（NPP）、斑块密度（PD）、香农多样性指数（SHDI）用于表征状态层；第三产业占比、自然保护区面积占比、生态系统服务价值（ESV）用于表征响应层（表1 [24,28,33‒39]）。其中，ESV采用当量因子法计算[33]，HI参照Yang等[34]的方法计算。所有指标分为正向指标与负向指标：正向指标的值越高，生态安全水平越高；负向指标则相反。10项指标的具体说明见表1。

指标标准化与综合权重确定：采用极差标准化法对原始数据进行标准化处理，使标准化后的数据取值介于0~1之间，计算公式如下：

正向指标：

Y i j = X i j - X j m i n X j m a x - X j m i n

(1)

负向指标：

Y i j = X j m a x - X i j X j m a x - X j m i n

(2)

式中，Y_ij 表示第i个网格单元第j项指标的标准化值；X_ij 表示第i个网格单元第j项指标的原始值；X_j_max、X_j_min分别表示第j项指标的最大值与最小值。

研究采用主客观结合的方法确定指标权重，兼顾专家判断与数据变异性[40]。其中，主观权重通过层次分析法（AHP）确定，客观权重通过熵值法计算。依据相对信息熵最小化原理，将AHP与熵值法结合，得到综合权重[41]。该方法兼顾主观认知与客观数据规律，有助于提升最终权重分配的稳健性与可信度。

W j = W 1 j × W 2 j / ∑ j = 1 n W 1 j × W 2 j

(3)

式中，W_j 表示第j项指标的综合权重；W₁_j 表示第j项指标的主观权重；W₂_j 表示第j项指标的客观权重；n ∈ N⁺。附录A中的第S2节列出了各指标的综合权重。

生态安全指数计算：综合评价法在生态安全评价中应用广泛且技术成熟。基于前文构建的指标体系及确定的权重，采用公式（4）计算每个网格单元的生态安全指数（ESI）。

E S I = ∑ j = 1 n W j × Z j

(4)

式中，ESI表示每个网格单元的生态安全最终评价结果；Z_j 表示第j项指标的标准化值；W_j 表示第j项指标的权重；n表示指标数量。ESI值越高，表明生态安全状况越好。

随后，采用自然断点分类法（Jenks）对ESI进行等级划分。利用ArcGIS 10.2软件进行空间数据处理与分析，采用Microsoft Excel 2016软件对社会经济数据进行统计分析。

2.1.2 生态安全预测

生态安全预测旨在利用已知时空数据，预测生态系统随时间变化的趋势并识别潜在问题[23]。预测通常基于变量的过去值与当前值[42]。GM(1,1)模型是灰色系统理论的核心模型，适用于处理小样本和数据不完整情况下的不确定性问题[43]。该模型可过滤样本数据中的不规则波动，反映趋势特征，并预测事物随时间变化的主要方向[44]。原始时间序列数据x⁽⁰⁾构建如下：

x 0 = x 0 1, x 0 2, · · ·, x 0 n

（5）

通过对原始数据x⁽⁰⁾进行累加，得到累加序列x⁽¹⁾：

x 1 = x 1 1, x 1 2, · · ·, x 1 n

x 1 t = ∑ k = 1 t x 0 k, k = 1,2, · · ·, n

（6）

累加后，x⁽¹⁾满足一阶微分方程形式；t表示离散时间指标或时间步长，用于表示数据序列中的特定点。

d x (1) t d t + a x (1) = u

（7）

设矩阵 A 为

A = a u

（8）

式中，a为模型的发展系数；u为模型的协调系数。

通过最小二乘法求解，构建数据矩阵 B 与常数项向量 Y ：

a = B T B - 1 B T Y

(9)

B = - 12 (x 1 1 + x 1 2) 1 - 12 (x 1 2 + x 1 3) 1 ︙ - 12 (x 1 n - 1 + x 1 n) ︙ 1

(10)

Y = x 0 2 x 0 3 ︙ x 0 n

(11)

将a和u代入微分方程，得到累加序列预测值的时间响应函数，该函数可反映ESI值随时间变化情况，进而表征生态安全状况：

x^1 t + 1 = x 0 1 - u a e - a t + u a

(12)

式中，

x^

⁽⁰⁾(t+1)表示t+1时刻预测值的累加值。

通过累减运算，生成相应预测序列：

x^0 t + 1 = x^1 t + 1 - x^1 t

(13)

本研究以2000—2020年各网格单元生态安全评价结果为基础数据，运用GM(1,1)预测模型，对2025年、2030年、2035年及2040年大清河流域生态安全状况进行预测。采用相对误差检验模型精度，并通过相对准确度评估模型预测精度[29]。

2.1.3 生态安全分区管理

分区及调控策略能够提升生态安全，是解决人类发展与自然保护矛盾、促进人与自然和谐共生的关键[27]。本研究在全面掌握生态安全时空演变特征、未来发展趋势、区域生态政策、社会经济状况及自然地理特征的基础上，通过对ESI进行空间聚类分析，划分不同生态安全区[45]。生态安全分区结果从区域和县域两个尺度呈现，并基于这些分区单元制定生态调控策略。

2.2 研究区概况

大清河流域（北纬37°37’~40°34’，东经112°57’~118°40’）位于太行山与华北平原过渡区域（图2），涵盖81个县，总面积约81 000 km²（不包含2000年后新增填海造陆的土地）。该流域属暖温带半干旱大陆性季风气候，西北部为山地丘陵区，东南部为平原区。水域主要集中在流域东部，而白洋淀位于流域腹地。流域范围包括北京市6个区、天津市10个区、河北省60个县及山西省5个县，2020年总人口达5628万人。流域内社会经济发展不均衡，北京、天津两地国内生产总值（GDP）较高。研究区主要的土地利用类型为耕地、草地与林地。2000—2020年期间，流域耕地与湿地面积减少，建设用地与水域面积增加。当前，该区域面临污染加剧、资源减少、水土流失等问题，导致生态系统敏感脆弱，对可持续发展及人类福祉构成威胁。

2.3 数据来源与预处理

本研究使用的数据涵盖2000年、2005年、2010年、2015年及2020年五个时间节点，具体数据来源见表2。考虑到湿地在大清河流域生态系统服务中的重要作用，将土地利用类型重新划分为耕地、林地、草地、水域、建设用地、湿地及未利用地七类。所有空间数据经预处理与计算后，统一转换为WGS84_Albers投影坐标系，并栅格化为3 km × 3 km精度。对于受价格波动影响的社会经济数据，以2000年为基期，调整为不变价格数据。

3 结果

3.1 生态安全时空演变特征

大清河流域ESI分为五个等级：安全（SA，Ⅰ级）、较安全（RS，Ⅱ级）、中等（MD，Ⅲ级）、较不安全（RU，Ⅳ级）、不安全（US，Ⅴ级）（表3）。2000年、2005年、2010年、2015年及2020年，全流域ESI均值分别为0.5228、0.5283、0.5290、0.5430、0.5583。2000—2015年，流域生态安全处于MD等级；2020年提升至RS等级，表明大清河流域生态安全水平有所改善。

2000—2020年期间，从不同生态安全等级面积占比来看，SA等级面积增幅最大，上升24%；RU等级面积降幅最大，下降23%。2010年前，RU与RS等级是主要类型，两者面积占比合计超62%。2015年起，MD等级成为主导类型，SA等级面积显著增加，RU与RS等级面积大幅减少。2020年，MD等级面积占比最高（32.41%），SA等级次之（27.90%）。20年间，US等级面积始终最小（表3）。

从20年间生态安全等级转化方向来看，全流域约62%的区域实现从低等级向高等级生态安全的转化（图3）。其中，19 017 km²的RU等级区域转化为MD等级，18 351 km²的RS等级区域转化为SA等级，11 007 km²的MD等级区域转化为RS等级。然而，有小部分区域出现生态安全等级从高到低的转化，主要是990 km²的MD等级区域转化为RU等级，以及846 km²的RS等级区域转化为US等级。

从不同生态安全等级空间演变特征来看，过去20年间，大清河流域整体生态安全分布呈现显著空间异质性。西北部与东部地区生态安全水平始终较高，中部地区则始终较低（图4）。在西北部、东部及中部区域，生态安全等级分布均发生变化，且2010—2020年间的变化幅度与显著性均大于2000—2010年。具体而言，西北部区域生态安全等级从以RS、MD为主，转变为以SA、RS为主；中南部区域从以RU为主，转变为MD广泛分布，RU等级面积大幅缩减，至2020年仅在流域南部边缘有小面积分布，其余区域零散分布于中南部；东部区域及白洋淀周边始终以SA为主；US主要集中在北京、天津、河北主要城区，过去20年间大部分区域面积呈扩张趋势，其中天津市尤为明显。从县域尺度来看，2000—2020年，SA等级的县域数量增幅最大，从2000年的1个增至2020年的7个；MD等级的县域数量次之，增长率为83.33%；RU等级的县域数量降幅最大，降幅达53.49%（附录A中的第S3节）。

3.2 生态安全预测结果

基于相对准确度指标，预测结果的相对误差主要集中在0~5%范围内，平均误差为1.00%（附录A中的第S4节），表明GM(1,1)模型是预测大清河流域ESI的可靠工具。2025年、2030年、2035年及2040年，大清河流域预测ESI值分别为0.5668、0.5786、0.5909、0.6038（表4），这表明2025—2040年间，全流域生态安全水平将持续提升并维持在RS等级。但是，ESI最小值将从2025年的0.2276降至2040年的0.1688，意味着流域部分区域生态环境可能持续恶化。2025—2040年，SA与RS等级区域面积预计将扩大（表4），其中SA等级面积增长速度更快，预计占比从2025年的32.61%升至2040年的46.08%；MD与RU等级区域面积占比将在此期间持续下降；同时，US等级区域面积占比将增加1.00%。

从不同生态安全等级空间分布特征来看，预计到2040年，西北部区域几乎全部达到SA等级（图5）；东南部区域MD、RU等级面积将大幅减少，大部分区域将被RS、SA等级取代；但流域南部边缘生态安全水平预计仍较低；US等级将在北京、天津、河北主要城区周边进一步集中并扩张，表明这些区域生态安全水平将持续下降。从县域尺度来看，预计到2040年，大部分县域生态安全水平将有所提升，但河北区、南开区、红桥区、河西区、新华区、竞秀区等6个县域仍将维持US等级；大兴区、海淀区等13个县域生态安全水平呈下降趋势（附录A中的第S5节）。

3.3 生态安全分区管理结果

生态安全分区管理是开展区域生态调控的重要依据[27]。本研究通过分析2000—2020年生态安全时空演变特征、2025—2040年预测趋势及当地区域发展规划，在区域和县域两个尺度对大清河流域生态安全管理区进行划分。在区域尺度，主要考虑流域生态安全空间异质性、自然地理特征及社会经济差异，将管理区划分为东部、中部、西部三个区域（图6），各区域尺度管理区具体信息见表5。为更好对接行政管理需求，进一步划分县域尺度生态安全管理区，将81个县划分为山地-湿地型、平原Ⅰ型、平原Ⅱ型、城区Ⅰ型、城区Ⅱ型五类生态管理区（图6），各县域管理区具体信息见表6（各管理区包含的县域详情见附录A中的第S6节）。

4 讨论

4.1 生态安全分析框架

保障生态安全不仅需要明确其演变规律，还须采取主动措施确保未来可持续发展[46‒47]。维护生态安全的核心在于合理协调人与自然环境的关系[6]。因此，生态安全研究的首要目标应是为未来生态安全水平提升提供有效且实用的指导。基于此，本研究遵循“评价-预测-分区差异化管理”的研究思路，构建分析框架并开展生态安全综合分析。

首先，在生态安全评价方面，以往研究多聚焦单一视角（如生态系统服务评价、生态风险评价、生态承载力评价）或采用特定概念框架[如PSR模型、驱动力-压力-状态-影响-响应（DPSIR）模型]。这些方法虽有利于阐明特定生态系统方面的时空演变轨迹与模式，并识别生态系统质量改善或恶化的重点区域，但侧重点各有不同[48‒50]。为满足生态系统管理需求，本研究在PSR框架概念逻辑基础上，系统整合自然、经济、社会要素，构建了生态安全评价指标体系，更全面地反映生态系统变化结果。研究侧重于选择PSR模型构建评价指标体系，是因为与DPSIR模型及驱动力-压力-状态-影响-响应-管理（DPSIRM）框架相比，其结构更为简洁明晰，指标分类精度更高，且能够有效避免重复计算。引入SENCE理论指导指标选取，有助于降低模型固有的不确定性，并提升其适用的灵活性。此外，所选评价指标既须全面反映研究区自然、社会、经济特征，也要兼顾数据可获取性与实际适用性，以确保评价结果的科学性与准确性。

其次，当前提升生态安全水平的措施往往较为模糊，缺乏与空间相结合的具体实用指导，难以实现最优生态安全管理[27,51]，这削弱了生态安全工作的指导作用。因此，本研究将生态安全分区与差异化管理引入生态安全研究，在区域和县域两个尺度划分生态安全管理区。划分过程中，先从宏观层面考虑自然地理特征与社会经济差异对生态安全的影响，整体明确各区域优化调控方向；再聚焦微观层面，结合县域行政单元的生态安全特征，为地方生态建设与可持续发展提供针对性建议。

本研究提出的生态安全研究框架为生态安全研究与管理提供了标准框架，构建的生态安全评价指标体系也可为相关评价工作提供参考。

4.2 大清河流域生态安全的压力、状态与响应

生态安全受多种因素影响，所以明确各因素间关系对有效调控至关重要[52]。本研究通过压力-状态-响应因果框架，分析影响生态安全的相关因素。从压力维度来看，大清河流域人口密度较高且城市持续扩张，导致生态压力水平显著上升。但与此同时，NPP提升、SHDI增加、地方生态工程实施、第三产业发展、自然保护区面积扩大等因素，推动生态状态与响应水平大幅改善。研究发现，20年来大清河流域生态安全水平持续提升，这表明改善生态状态与响应水平可有效缓解压力带来的威胁，促进整体生态安全水平提升。

此外，压力、状态、响应水平的空间异质性直接影响生态安全空间分布。具体而言，流域西北部区域植被丰富，生物多样性高，生态本底条件优越；但因海拔较高，人类活动与城市扩张受限。近年来，西北部自然保护区扩建等生态建设举措进一步降低了该区域的生态压力，改善了生态状态与响应水平，生态安全水平得到显著提升。流域东南部区域是华北平原主要农业区及大清河流域主要城区，尽管人口密度增加与城市扩张导致生态压力大幅上升，但高标准农田建设等响应措施的实施，显著提升了东南部区域的生态响应能力，进而改善生态状态与整体安全水平。总体而言，较低的生态压力水平与较好的生态状态、响应水平相结合，更易实现较高的生态安全水平。

20年来，虽然北京、天津、河北主要城区生态状况持续恶化，但流域大部分区域生态安全水平持续改善，体现出大清河流域城市扩张、人类活动与生态安全之间的矛盾在全流域尺度已基本得到缓解。大清河流域的生态安全演变趋势与京津冀区域生态安全整体演变趋势相似[40,54]，然而，北京、天津、河北的主要城市区域面临的严重生态压力日益凸显[53‒55]。这一情况表明，在推动整体生态安全水平提升的同时，须制定针对性策略解决主要城市区域的生态问题。此外，研究明确，大清河流域生态安全空间分布的不均衡性将进一步加剧，两极分化现象将更为明显。预计未来大清河流域大部分区域生态安全水平将持续提升，但主要城区及其周边区域生态状况可能进一步恶化。这一结论为大清河流域区域生态保护敲响警钟，必须同时重视全流域及主要城市区域生态安全综合调控。

4.3 生态安全区调控策略

差异化调控策略是协调社会、经济与生态关系，实现生态安全与社会发展双重目标的具体路径。平衡大清河流域城市建设与生态安全，落实保护机制，强化北京、天津、河北、山西四地协同治理至关重要。此外，需结合区域与县域两个尺度，从自上而下与自下而上两个视角出发，提升差异化管理策略的实用性与有效性[56]。

在区域尺度管理区方面，位于流域上游的西部区域人类活动干扰较少，生态安全水平维持在较高水平。该区域应优先开展水土保持工作，同时推进植树种草，提升植被覆盖度。中部区域以耕地为主，城市发展活跃，生态安全水平较低，须严格落实耕地保护政策，提高水土资源利用效率，协调城镇化进程与耕地保护的关系。东部区域以滨海湿地为主，须重点开展湿地保护与修复工作。

在县域尺度管理区方面，山地-湿地型管理区应优先实施水土保持、自然保护区保护及湿地修复措施；平原Ⅰ型管理区须重点保护耕地，维持耕地数量与质量稳定及生态平衡，并提高水资源利用效率；平原Ⅱ型管理区须统筹城镇化发展与耕地保护，防止城镇化进程加剧耕地破碎化；城区Ⅰ型管理区应探索人口增长背景下城市可持续发展路径，科学规划城市用地，改善城市生态环境；城区Ⅱ型管理区须加快推进绿色基础设施建设[57]。

4.4 研究局限性与未来研究方向

本研究基于压力-状态-响应因果关系开展生态安全评价，但尚未充分探究三者间复杂的协同作用与权衡关系。明确这一相互作用机制，应成为未来研究的重点方向。未来生态安全评价中，指标分辨率可根据研究区自然地理特征、社会经济状况及数据可获取性灵活调整。此外，为提高预测精度，未来研究有必要采用多种生态安全预测模型，共同监测生态安全发展趋势。

4 结论

本文构建了一套集生态安全评估、预测和生态安全分区管理于一体的生态安全综合分析框架，并以人-地矛盾突出的典型流域——大清河流域——为研究对象开展实证研究。本文主要结论如下。

2000—2020年间，大清河流域的生态安全总体水平从MD等级提升至RS等级。在此期间，生态安全的空间异质性持续存在，西北部和东部地区安全水平较高，而中部地区则相对较低。除主要城区生态安全状况恶化外，流域内绝大多数区域生态安全状况均呈现改善态势。2025—2040年，大清河流域大部分区域生态安全水平将持续提升并维持在RS等级，而主要城区生态安全水平预计将继续恶化，生态安全空间异质性将进一步加剧。生态状态与响应水平的提升有效缓解了生态压力，推动大清河流域整体生态安全水平提升；但北京、天津、河北主要城区生态安全恶化问题须重点关注。基于此，研究划分了多尺度生态安全管理区并提出调控策略，强调同时开展全流域与主要城区生态安全综合调控。其中，区域尺度管理区划分为西部、中部、东部三个区域；县域尺度管理区划分为山地-湿地型、平原Ⅰ型、平原Ⅱ型、城区Ⅰ型、城区Ⅱ型五类。

本研究构建的生态安全分析框架，通过纳入社会、经济、自然要素间的相互依存关系，实现了生态安全评价、预测与分区管理的有效整合，为生态安全研究与管理提供了助力。案例研究结果及多尺度生态安全管理策略，也为流域及其他面临严重人-地矛盾的区域开展生态治理提供了宝贵参考。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Guo J, Yue D, Li K, Hui C. Biocapacity optimization in regional planning. Sci Rep 2017;7(1):41150. . 10.1038/srep41150

[2]	Zhang B, Zou H, Duan D, Zhou X, Chen J, Sun Z, et al. Stability in change: building a stable ecological security pattern in northeast China under climate and land use changes. Sci Rep 2024;14(1):12642. . 10.1038/s41598-024-63391-3

[3]	Reyers B, Selig ER. Global targets that reveal the social‒ecological interdependencies of sustainable development. Nat Ecol Evol 2020;4(8):1011‒9. . 10.1038/s41559-020-1230-6

[4]	Zhang L, Wang G, Peng W, Zhang J, Qin S. Integrating ecological security assessment and problem area identification: simulated annealing and multi-model fusion. Ecol Indic 2024;158:111440. . 10.1016/j.ecolind.2023.111440

[5]	Yoon J, Klassert C, Selby P, Lachaut T, Knox S, Avisse N, et al. A coupled human-natural system analysis of freshwater security under climate and population change. Proc Natl Acad Sci 2021;118(14):e2020431118. . 10.1073/pnas.2020431118

[6]	Dunlop T, Khojasteh D, Cohen-Shacham E, Glamore W, Haghani M, Van Den Bosch M, et al. The evolution and future of research on nature-based solutions to address societal challenges. Commun Earth Environ. 2024;5(1):132. . 10.1038/s43247-024-01308-8

[7]	Bai Y, Wong CP, Jiang B, Hughes AC, Wang M, Wang Q. Developing China’s ecological redline policy using ecosystem services assessments for land use planning. Nat Commun 2018;9(1):3034. . 10.1038/s41467-018-05306-1

[8]	Liu C, Li W, Xu J, Zhou H, Li C, Wang W. Global trends and characteristics of ecological security research in the early 21st century: a literature review and bibliometric analysis. Ecol Indic 2022;137:108734. . 10.1016/j.ecolind.2022.108734

[9]	Wen J, Hou K. Research on the progress of regional ecological security evaluation and optimization of its common limitations. Ecol Indic 2021;127:107797. . 10.1016/j.ecolind.2021.107797

[10]	Wang R, Li F, Hu D, Larry LB. Understanding eco-complexity: Social‒Economic‒Natural Complex Ecosystem approach. Ecol Complex 2011;8(1):15‒29. . 10.1016/j.ecocom.2010.11.001

[11]	Li C, Zhang J, Philbin SP, Yang X, Dong Z, Hong J, et al. Evaluating the impact of highway construction projects on landscape ecological risks in high altitude plateaus. Sci Rep 2022;12(1):5170. . 10.1038/s41598-022-08788-8

[12]	Yao L, Liu J, Wang R, Yin K, Han B. A qualitative network model for understanding regional metabolism in the context of Social‒Economic‒Natural Complex Ecosystem theory. Ecol Inform 2015;26:29‒34. . 10.1016/j.ecoinf.2014.05.014

[13]	Zhu S, Li D, Feng H, Zhang N. The influencing factors and mechanisms for urban flood resilience in China: from the perspective of Social‒Economic‒Natural Complex Ecosystem. Ecol Indic 2023;147:109959. . 10.1016/j.ecolind.2023.109959

[14]	Wang C, Wang Y, Geng Y, Wang R, Zhang J. Measuring regional sustainability with an integrated Social‒Economic‒Natural Approach: a case study of the Yellow River Delta region of China. J Clean Prod 2016;114:189‒98. . 10.1016/j.jclepro.2015.05.121

[15]	Ghosh S, Das Chatterjee N, Dinda S. Urban ecological security assessment and forecasting using integrated DEMATEL-ANP and CA-Markov models: a case study on Kolkata Metropolitan area, India. Sustain Cities Soc 2021;68:102773. . 10.1016/j.scs.2021.102773

[16]	Pan N, Du Q, Guan Q, Tan Z, Sun Y, Wang Q. Ecological security assessment and pattern construction in arid and semi-arid areas: a case study of the Hexi Region, NW China. Ecol Indic 2022;138:108797. . 10.1016/j.ecolind.2022.108797

[17]	Zou Y, Wang S, Luo X, Jin H, Xiao X, Li Y. A new multivariate index for ecological security assessment in the China‒Myanmar border region. J Environ Manage 2024;364:121447. . 10.1016/j.jenvman.2024.121447

[18]	Yu K, Gao H. Sustainable development, eco-tourism carrying capacity and fuzzy algorithm—a study on Kanas in Belt and Road. Sci Rep 2023;13(1):16789. . 10.1038/s41598-023-41961-1

[19]	Zhang J, Hao X, Li X, Fan X, Zhang S. Evaluation and regulation strategy for ecological security in the Tarim River Basin based on the ecological footprint. J Clean Prod 2024;435:140488. . 10.1016/j.jclepro.2023.140488

[20]	Tang C, Wu X, Zheng Q, Lyu N. Ecological security evaluations of the tourism industry in ecological conservation development areas: a case study of Beijing’s ECDA. J Clean Prod 2018;197:999‒1010. . 10.1016/j.jclepro.2018.06.232

[21]	Li Y, Lian Z, Zhai T, Xie X, Wang Y, Li M. Assessment of land ecological security based on the Boston model: a case study from China. Land 2023;12(7):1348. . 10.3390/land12071348

[22]	Grilo F, Mcphearson T, Santos-Reis M, Branquinho C. A trait-based conceptual framework to examine urban biodiversity, socio-ecological filters, and ecosystem services linkages. npj Urban Sustain 2022;2(1):32. . 10.1038/s42949-022-00077-7

[23]	Sun K, He W, Shen Y, Yan T, Liu C, Yang Z, et al. Ecological security evaluation and early warning in the water source area of the Middle Route of South-to-North Water Diversion Project. Sci Total Environ 2023;868:161561. . 10.1016/j.scitotenv.2023.161561

[24]	Liu Y, Wang C, Wang H, Chang Y, Yang X, Zang F, et al. An integrated ecological security early-warning framework in the national nature reserve based on the gray model. J Nat Conserv 2023;73:126394. . 10.1016/j.jnc.2023.126394

[25]	Xie B, Jones P, Dwivedi R, Bao L, Liang R. Evaluation, comparison, and unique features of ecological security in southwest China: a case study of Yunnan Province. Ecol Indic 2023;153:110453. . 10.1016/j.ecolind.2023.110453

[26]	Zhang H, Yan Q, Xie F, Ma S. Evaluation and prediction of landscape ecological security based on a CA-Markov model in overlapped area of crop and coal production. Land 2023;12(1):207. . 10.3390/land12010207

[27]	Shen W, Li Y, Qin Y. Research on the influencing factors and multi-scale regulatory pathway of ecosystem health: a case study in the Middle Reaches of the Yellow River, China. J Clean Prod 2023;406:137038. . 10.1016/j.jclepro.2023.137038

[28]	Hu Y, Gong J, Li X, Song L, Zhang Z, Zhang S, et al. Ecological security assessment and ecological management zoning based on ecosystem services in the West Liao River Basin. Ecol Eng 2023;192:106973. . 10.1016/j.ecoleng.2023.106973

[29]	Liu H, Wang Z, Zhang L, Tang F, Wang G, Li M. Construction of an ecological security network in the Fenhe River Basin and its temporal and spatial evolution characteristics. J Clean Prod 2023;417:137961. . 10.1016/j.jclepro.2023.137961

[30]	Hou Q, Li Q, Yang Y, Zhou J, Du Y, Zhang Y. Evaluation and optimization of ecological spatial resilience of Yanhe River Basin based on complex network theory. Sci Rep 2024;14(1):1361. . 10.1038/s41598-024-51966-z

[31]	Han Z, Wei Y, Meng J, Zou Y, Wu Q. Integrated water security and coupling of social‒ecological system to improve river basin sustainability. Sci Total Environ 2023;905:167182. . 10.1016/j.scitotenv.2023.167182

[32]	Zhang R, Wang C, Xiong Y. Ecological security assessment of China based on the pressure‒state‒response framework. Ecol Indic 2023;154:110647. . 10.1016/j.ecolind.2023.110647

[33]	Pan Y, Dong F, Du C. Is China approaching the inflection point of the ecological Kuznets curve? Analysis based on ecosystem service value at the county level. J Environ Manage 2023;326:116629. . 10.1016/j.jenvman.2022.116629

[34]	Yang Y, Song G, Lu S. Assessment of land ecosystem health with Monte Carlo simulation: a case study in Qiqihaer, China. J Clean Prod 2020;250:119522. . 10.1016/j.jclepro.2019.119522

[35]	Fan Y, Fang C. Evolution process and obstacle factors of ecological security in western China, a case study of Qinghai Province. Ecol Indic 2020;117:106659. . 10.1016/j.ecolind.2020.106659

[36]	Liu X, Su Y, Li Z, Zhang S. Constructing ecological security patterns based on ecosystem services trade-offs and ecological sensitivity: a case study of Shenzhen metropolitan area, China. Ecol Indic 2023;154:110626. . 10.1016/j.ecolind.2023.110626

[37]	Qian W, Zhao Y, Li X. Construction of ecological security pattern in coastal urban areas: a case study in Qingdao, China. Ecol Indic 2023;154:110754. . 10.1016/j.ecolind.2023.110754

[38]	Huang Q, Peng B, Wei G, Wan A. Dynamic assessment and early warning of ecological security: a case study of the Yangtze river urban agglomeration. Nat Hazards 2021;107(3):2441‒61. . 10.1007/s11069-020-04436-4

[39]	Li ZT, Li M, Xia BC. Spatio‒temporal dynamics of ecological security pattern of the Pearl River Delta urban agglomeration based on LUCC simulation. Ecol Indic 2020;114:106319. . 10.1016/j.ecolind.2020.106319

[40]	Peng C, Li B, Nan B. An analysis framework for the ecological security of urban agglomeration: a case study of the Beijing‒Tianjin‒Hebei urban agglomeration. J Clean Prod 2021;315:128111. . 10.1016/j.jclepro.2021.128111

[41]	Hou M, Li L, Yu H, Jin R, Zhu W. Ecological security evaluation of wetlands in Changbai Mountain area based on DPSIRM model. Ecol Indic 2024;160:111773. . 10.1016/j.ecolind.2024.111773

[42]	Wang Y, Si Q. Forecasting Chinese carbon emission intensity based on the interactive effect GM(1,N) power model. Grey Syst. 2024;14(1):21‒48. . 10.1108/gs-02-2023-0015

[43]	Du W, Liao X, Tong Z, Rina S, Rong G, Zhang J, et al. Early warning and scenario simulation of ecological security based on DPSIRM model and Bayesian network: a case study of east Liaohe river in Jilin Province, China. J Clean Prod 2023;398:136649. . 10.1016/j.jclepro.2023.136649

[44]	Chen Y, Wang J. Ecological security early-warning in central Yunnan Province, China, based on the gray model. Ecol Indic 2020;111:106000. . 10.1016/j.ecolind.2019.106000

[45]	Sun C, Li P, Deng Y, Zhang C. Ecological regionalization of “Beautiful China” construction based on spatial heterogeneity of ecosystems. Acta Geogr Sin 2022;77(11):2902‒19.

[46]	Li Y, Liu W, Feng Q, Zhu M, Zhang J, Yang L, et al. Spatiotemporal dynamics and driving factors of ecosystem services value in the Hexi regions, Northwest China. Sustainability 2022;14(21):14164. . 10.3390/su142114164

[47]	Li Y, Cai Y, Fu Q, Zhang X, Wan H, Yang Z. Dynamics of land use/land cover considering ecosystem services for a dense-population watershed based on a hybrid dual-subject agent and cellular automaton modeling approach. Engineering 2024;37:182‒95. . 10.1016/j.eng.2023.10.015

[48]	Xu M, Matsushima H. Multi-dimensional landscape ecological risk assessment and its drivers in coastal areas. Sci Total Environ 2024;908:168183. . 10.1016/j.scitotenv.2023.168183

[49]	Daily GC, Matson PA. Ecosystem services: from theory to implementation. Proc Natl Acad Sci USA 2008;105(28):9455‒6. . 10.1073/pnas.0804960105

[50]	Wei Y, Huang C, Lam PTI, Yuan Z. Sustainable urban development: a review on urban carrying capacity assessment. Habitat Int 2015;46:64‒71. . 10.1016/j.habitatint.2014.10.015

[51]	Wang H, Lei X, Yan D, Wang X, Wu S, Yin Z, et al. An ecologically oriented operation strategy for a multi reservoir system: a case study of the middle and lower Han River Basin, China. Engineering 2018;4(5):627‒34. . 10.1016/j.eng.2018.09.002

[52]	Li W, Kang J, Wang Y. Spatiotemporal changes and driving forces of ecological security in the Chengdu‒Chongqing urban agglomeration, China: quantification using health‒services‒risk framework. J Clean Prod 2023;389:136135. . 10.1016/j.jclepro.2023.136135

[53]	Han B, Liu H, Wang R. Urban ecological security assessment for cities in the Beijing‒Tianjin‒Hebei metropolitan region based on fuzzy and entropy methods. Ecol Modell 2015;318:217‒25. . 10.1016/j.ecolmodel.2014.12.015

[54]	Han H, Guo L, Zhang J, Zhang K, Cui N. Spatiotemporal analysis of the coordination of economic development, resource utilization, and environmental quality in the Beijing‒Tianjin‒Hebei urban agglomeration. Ecol Indic 2021;127:107724. . 10.1016/j.ecolind.2021.107724

[55]	Wang Z, Liang L, Sun Z, Wang X. Spatiotemporal differentiation and the factors influencing urbanization and ecological environment synergistic effects within the Beijing‒Tianjin‒Hebei urban agglomeration. J Environ Manage 2019;243:227‒39. . 10.1016/j.jenvman.2019.04.088

[56]	Ding Z, Zheng H, Wang J, O’connor P, Li C, Chen X, et al. Integrating top-down and bottom-up approaches improves practicality and efficiency of large-scale ecological restoration planning: insights from a social‒ecological system. Syst Eng 2023;31:50‒8. . 10.1016/j.eng.2022.08.008

[57]	Kim G. An integrated system of urban green infrastructure on different types of vacant land to provide multiple benefits for local communities. Sustain Cities Soc 2018;36:116‒30. . 10.1016/j.scs.2017.10.022