EN中文

Acta Geographica Sinica >

2025 , Vol. 80 >Issue 6: 1572 - 1584

DOI: https://doi.org/10.11821/dlxb202506009

Urban and Regional Development

Spatiotemporal differentiation and evolutionary mechanism of ecological resilience in the middle reaches of the Yangtze River urban agglomeration

  • OUYANG Xiao , 1 ,
  • CHEN Jian 2 ,
  • WEI Xiao 1 ,
  • XIE Hualin , 3 ,
  • HUANG Tuofu 1 ,
  • CHEN Siyun 1
Expand
  • 1. Hunan Insitute of Economic Geography, Hunan University of Finance and Economics, Changsha 410205, China
  • 2. College of Urban and Environmental Sciences, Hunan University of Technology, Zhuzhou 412007, Hunan, China
  • 3. School of Applied Economics, Jiangxi University of Finance and Economics, Nanchang 330013, China

Received date: 2024-04-30

  Revised date: 2025-03-17

  Online published: 2025-06-13

Supported by

National Natural Science Foundation of China(42201230)

Natural Science Foundation of Hunan Province(2024JJ5060)

Fold

Abstract

Ecological resilience refers to an urban agglomeration's ability to resist, adapt, and recover from external disturbances. Enhancing ecological resilience is crucial for promoting high-quality development in the modern era. However, few studies have evaluated the ecological resilience of urban agglomerations from the perspective of human-land interactions or explored its evolutionary mechanism. This study assesses the interannual variation of ecological resilience in the middle reaches of the Yangtze River urban agglomeration, focusing on resistance, adaptation, and recovery. The Least Squares Structural Equation Model is employed to analyze the impact degree and pathways through which human-land interactions affect ecological resilience. The results indicate that from 2000 to 2020, resistance, adaptability, and recoverability exhibited fluctuating trends over time and an unbalanced spatial distribution. Ecological resilience initially decreased but later improved, with significant spatial heterogeneity, forming a "higher in the southeast and lower in the northwest" pattern. Natural environment improvement (coefficient: 0.42) and regional policies (coefficient: 0.18) had significant positive direct effects on ecological resilience, while urbanization exerted a significant negative effect (coefficient: -0.26). Although green innovation had no significant direct effect, it exhibited significant indirect influence, with the most significant pathway being green innovation→regional policy→natural environment→ecological resilience (coefficient: 0.18). This study enhances our understanding of how the natural environment, green innovation, and regional policies shape ecological resilience, providing a scientific reference for urban agglomeration development that fosters harmony between humans and nature.

Key words： human-land relationship; ecological resilience; spatiotemporal differentiation; evolutionary mechanism; the middle reaches of the Yangtze River urban agglomeration

Cite this article

OUYANG Xiao , CHEN Jian , WEI Xiao , XIE Hualin , HUANG Tuofu , CHEN Siyun . Spatiotemporal differentiation and evolutionary mechanism of ecological resilience in the middle reaches of the Yangtze River urban agglomeration[J]. Acta Geographica Sinica, 2025 , 80(6) : 1572 -1584 . DOI: 10.11821/dlxb202506009

1 引言

人地关系是指社会经济活动与自然地理环境之间的交互作用[1]。随着城市化的快速发展，人类活动强度不断提高[2]，导致气候调节、栖息地保持、生物多样性等生态系统服务功能出现下降[3]。城市群是国家工业化、城镇化进入高级阶段的产物[4]，人地关系的变化导致生态系统胁迫压力增加。如何提高生态系统应对外部冲击时的抵抗、适应和恢复的能力，已成为新时期城市群人地关系面临的新问题。因此，构建城市群生态韧性评价框架，并剖析其演化机理，能够丰富城市群人地关系地域系统理论，同时对实现城市群国土空间高质量发展具有重要意义。
生态韧性作为分析新型人地关系、刻画人类活动对地理环境影响的重要手段，已成为当前可持续科学领域的热点议题。Holling最早引入了韧性的概念来理解生态系统在外界扰动下的恢复能力[5]。该概念不仅为生态系统对扰动的响应机制搭建了理论架构，还为生态系统管理等相关领域提供了实践指导。生态韧性是生态系统从外界事件干扰中恢复到正常状态的能力[6]。现有的生态韧性评估聚焦于生态系统的物理属性特征，通过构建单维指标或多维复合指标体系实现韧性量化表征，揭示生态系统对外界干扰的响应能力。其中，恢复时间作为典型单维指标被广泛应用于暴雨、干旱等极端气候事件对生态系统的影响，为量化灾后生态系统韧性水平提供重要依据。生态系统的恢复时间与其受干扰程度成正比，即干扰越大，恢复时间越长[7]。综合指数是从不同维度选取指标，并运用定量模型来评价生态韧性，包括结构—功能[8]、抵抗—适应—恢复[9]、损失—收益[10]、规模—密度—形态[11]等。景观格局影响着生态系统吸收外界冲击的能力，已有学者将景观格局纳入生态韧性评价框架[12]。现有评价模型更多是定量反映生态系统在生态环境建设、污染物控制等方面的静态水平，缺乏从人地关系视角对生态韧性年际变化进行评价。现有机理研究从自然—人为、政策管理等方面，运用逐步回归模型、系统动力学模型等剖析生态韧性的作用机理。其中，杨新军等基于恢复力视角分析了道路建设对山区生态系统的影响，发现道路建设在减贫的同时，导致了山区景观破碎度的增加，使得道路建设与生态韧性之间的关系愈发复杂[13]；侯彩霞等以宁夏盐池县为例，探讨了生态政策驱动下的半干旱区草原系统韧性的特征，发现实施生态政策后其韧性由不稳定逐渐趋于稳定[14]。大部分研究聚焦于人类活动或自然因素对生态韧性的影响作用分析，尚未研究人类活动与自然因素相互作用对城市群生态韧性的影响。
与单个城市相比，城市群一体化建设缩小了区域之间的生态阻力，频繁的人类活动使生态过程更加复杂[8]。同时，城市群已经成为自然资源管理现代化的主要载体[15]，亟需厘清城市群的生态韧性作用机理，从而提高自然资源保护与利用效率[16]。长江中游城市群是促进中部地区崛起和实现长江经济带生态优先绿色发展的主要空间载体。城市群社会经济的发展，促进了自然和半自然土地利用类型向建设用地转化，改变了生态系统循环模式，从而导致调节、供给和支持等方面的生态系统服务出现了下降[17]。面向城市群人地关系变化过程如何构建生态韧性评价框架，如何厘清生态韧性与人地系统的相互作用等科学问题亟待解决。因此，针对上述问题，本文以长江中游城市群为研究对象，揭示生态韧性年际变化特征，探讨其影响因素及演化机理，是对城市群人地关系地域系统理论的拓展，有助于城市群实现人与自然和谐共生的现代化。

2 研究区及研究方法

2.1 研究区概况

长江中游城市群是长江经济带的重要组成部分，土地面积约32.61万km2，主要由武汉城市群、长株潭城市群和鄱阳湖城市群组成（图1）。“十三五”期间，长江中游城市群经历了快速城市化，成为推动全国经济发展的重要引擎。同时，该地区是连接东部沿海与西部内陆重要纽带和促进区域协调发展的重要区域。2000—2020年期间，长江中游城市群国内生产总值从2000年的9099.95亿元增长到2020年的1109161.45亿元，经济总量显著增长。2020年底常住人口超过1.33亿人，占全国总人口的9.4%，其中，湖北、湖南、江西常住人口城镇化率分别为62.89%、58.76%、61.46%。快速的城市化伴随着建设用地面积持续地增加以及耕地、林地和草地的面积减少，导致土地资源短缺、环境污染等问题出现[18-19]。因此，研究人地关系变化对生态韧性的演化机理，对于长江中游城市群实现国土空间高质量发展至关重要。
图1 研究区域

Fig. 1 Study area

2.2 研究方法

2.2.1 基于人地关系的生态韧性评价框架

人地系统是人类活动与生态环境之间交互作用和相互影响而成的复杂系统[1]。生态韧性是刻画人地之间协调关系的重要手段[11]，是生态系统遇到外界冲击时表现出的抵抗冲击、适应冲击和恢复稳态的能力。因此，结合了生态系统内部动态的演变和人类活动造成的外部影响，从抵抗力、适应力和恢复力3个维度构建了生态韧性评价框架（表1）。
表1 生态韧性评价指标体系

Tab. 1 Ecological resilience evaluation index system

子系统 指标 单位
抵抗力 粮食产量 kJ
生境质量 -
碳储量 t
土壤保持 t
适应力 环境污染治理投资额 万元
污水集中处理率 %
生活垃圾集中处理率 %
空气质量良好的天数百分比 %
恢复力 建成区植被覆盖率 %
土地利用优化率 -
人均公园绿地面积 m2/人
其中，抵抗力表示生态系统抵抗外部干扰的能力[20]，反映了“地”对“人”压力的响应程度[21]。生态系统服务包括供给、调节、支持以及文化等服务，是反映生态系统抵抗能力的重要指标[22]。因此，本文选取碳储量、生境质量、粮食产量和土壤保持等服务类型表征抵抗力，相关生态系统服务计算公式参见已有研究[23]。
适应力指生态系统在遭受冲击后“地”适应“人”的能力[24]。其中，环境治理投资驱使企业提高环境治理效率、降低污染物排放及改善空气质量，从而提高生态系统适应力[25-26]。因此，本文选取环境污染治理投资额、污水集中处理率、生活垃圾集中处理率和空气质量良好的天数百分比等指标来表征适应力。
恢复力指生态系统受到“人”与“地”在内部和外部作用力下逐步达到新平衡的能力[24]。其中，植被覆盖和公园绿地面积可以缓解热岛效应、改善空气质量，达到促进生态系统恢复的效果[27]；土地利用优化率反映了在特定区域中生态用地相对于建设用地的规模，是评估土地利用结构合理性及生态系统恢复力水平的重要指标，用生态用地面积与建设用地面积之比来表示[27]。因此，本文选取建成区植被覆盖率、土地利用优化率、人均公园绿地面积来表征恢复力。

2.2.2 生态韧性评价方法

Critic赋权法作为客观赋权方式，较熵权法和信息量法更为严谨[28]。该方法从多角度综合评估各指标，强调了指标间的关联、对比强度与冲突性，使权重更接近实际情况[29]。因此，本文首先运用最大最小值法对各个指标进行归一化处理，然后利用客观的Critic赋权法确定2000—2020年各项指标权重（表2），最后根据线性加权法计算连续年份的生态韧性[30]。
表2 指标权重

Tab. 2 Indicator weights

年份 粮食
产量		 生境
质量		 碳
储量		 土壤
保持		 环境污染
治理投资额		 污水集中处理率 生活垃圾
集中处理率		 空气质量良好的天数百分比 建成区植被
覆盖率		 土地利用
优化率		 人均公园
绿地面积
2000 0.07 0.07 0.07 0.10 0.14 0.12 0.10 0.09 0.06 0.10 0.08
2001 0.07 0.07 0.07 0.10 0.16 0.11 0.11 0.08 0.06 0.10 0.08
2002 0.07 0.07 0.07 0.10 0.21 0.10 0.08 0.05 0.06 0.10 0.09
2003 0.07 0.08 0.06 0.09 0.23 0.09 0.07 0.06 0.05 0.10 0.09
2004 0.08 0.08 0.07 0.09 0.22 0.09 0.06 0.07 0.06 0.11 0.08
2005 0.08 0.08 0.07 0.10 0.19 0.09 0.07 0.07 0.06 0.11 0.08
2006 0.08 0.08 0.07 0.10 0.19 0.09 0.05 0.08 0.07 0.11 0.08
2007 0.08 0.08 0.07 0.09 0.20 0.08 0.05 0.08 0.06 0.11 0.09
2008 0.07 0.08 0.07 0.10 0.21 0.07 0.05 0.10 0.06 0.11 0.09
2009 0.07 0.07 0.06 0.10 0.24 0.06 0.05 0.09 0.05 0.11 0.08
2010 0.07 0.07 0.06 0.11 0.25 0.06 0.06 0.08 0.05 0.10 0.08
2011 0.08 0.07 0.06 0.10 0.27 0.06 0.05 0.09 0.04 0.10 0.08
2012 0.07 0.07 0.06 0.10 0.27 0.04 0.04 0.08 0.09 0.10 0.09
2013 0.07 0.07 0.06 0.10 0.29 0.05 0.04 0.07 0.07 0.10 0.08
2014 0.07 0.07 0.06 0.09 0.28 0.06 0.04 0.10 0.05 0.09 0.08
2015 0.07 0.07 0.06 0.09 0.30 0.05 0.04 0.07 0.05 0.10 0.09
2016 0.07 0.07 0.06 0.11 0.29 0.05 0.03 0.08 0.06 0.10 0.08
2017 0.07 0.07 0.07 0.09 0.31 0.04 0.04 0.06 0.08 0.10 0.07
2018 0.07 0.07 0.07 0.09 0.31 0.06 0.03 0.07 0.08 0.10 0.07
2019 0.07 0.07 0.07 0.09 0.31 0.05 0.03 0.08 0.04 0.10 0.08
2020 0.07 0.07 0.07 0.10 0.31 0.04 0.02 0.05 0.09 0.10 0.08

2.2.3 生态韧性影响因素选取

从人地关系的视角出发，本文确定以“自然环境”“城市化”“绿色创新”和“区域政策”作为潜变量。其中，自然环境因素与气候、地形和植被有关，是决定生态韧性空间分布的主导因素[31]。故选取高程、坡度、年均气温和年均降水量来表征自然环境[32]；城市化因素与人口增长、经济发展和空间扩张有关，是造成生态韧性变化的关键因素[31]。快速城市化和工业化，使得经济活动以第二和第三产业为主，农村人口向城市转移，城市用地加速扩张，对生态韧性造成影响。故选取人口密度、夜间灯光亮度和建设用地面积来表示城市化[25,33]；绿色创新因素与科研创新和产业转型有关，科研创新投入能够提升绿色要素资源配置效率及质量，缓解城市化对资本、土地要素的惯性依赖，提高区域绿色生产效率，当区域面临外部风险冲击时，能够通过快速配置资源来提升生态系统的稳定性[34]。产业结构向绿色化、高端化、智能化方向转型，能助推生态环境质量实现新跃升[35]。故选取科研创新投入和产业转型来表征绿色创新，其中，科研创新通过科学研究和技术服务投入来表示；产业转型通过第二三产业增加值来表示[36]；区域政策与一体化密切相关[37]，其中，经济一体化和空间一体化被认为能够重新配置具有空间异质性的资源，进而提高区域土地绿色利用的强度及效率[38]，降低外界干扰对生态韧性的影响。故选取经济一体化和空间一体化表征区域政策。经济一体化和空间一体化通过经济联系强度与城市交通可达性来表示[39]。

2.2.4 最小二乘法结构方程模型

最小二乘法结构方程模型（Partial Least Squares Structural Equation Model, PLS-SEM），可以有效处理复杂结构模型中的多个构造、指标和结构路径，同时比较中介效应。该模型不太容易受到多重共线性和缺失数据的偏差的影响，从而产生更稳健的结果。PLS-SEM通常包括测量模型和结构模型。测量模型是由潜变量和观测变量组成的解释模型[36]，其中，潜变量是指不能直接测量但可以用其他变量表示的变量；观察变量是指可以直接观察到的变量。本文采用2000—2020年各个指标的变化值作为样本数据导入模型，以揭示生态韧性的演化机理。计算公式如下:

η = β η + Γ ξ + ζ

式中： η是内生潜变量的向量； ξ是外生潜变量的向量； β是内生潜变量之间路径系数的矩阵； Γ是外生潜变量到内生潜变量路径系数的矩阵； ζ是结构误差项的向量。

2.3 数据来源

土地利用数据源自武汉大学（https://zenodo.org/），分辨率为30 m。DEM数据源自地理空间数据云（http://www.gscloud.cn/），分辨率为30 m，坡度数据基于DEM数据通过ArcGIS计算生成。气候数据（包括年均温、降雨量）源自中国科学院资源环境科学数据中心（https://www.resdc.cn/）。夜间灯光数据源自国家地球系统科学数据中心（http://www.geodata.cn）。空气质量数据来源于中国环境监测总站（http:/www.cnemc.cn/），获取了各市的空气质量逐日数据，并按年度和空气质量级别进行汇总统计，得到各市的逐年空气质量良好天数百分比。环境污染治理投资额、污水集中处理率、生活垃圾集中处理率等环境治理环境数据来源于中国环境统计年鉴（http://www.stats.gov.cn/）。建成区面积、建成区植被覆盖率、人均公园绿地面积、国内生产总值、人口密度等社会经济数据来源于中国城市统计年鉴和中国统计年鉴（http://www.stats.gov.cn/），缺失数据通过插值处理进行补全。

3 结果分析

3.1 抵抗力、适应力和恢复力的时空特征

2000—2020年长江中游城市群的生态系统抵抗力、适应力和恢复力演化过程呈现出波动变化（图2）。抵抗力方面，2000—2020年长江中游城市群的抵抗力整体表现缓慢下降趋势，平均值由0.16减少到0.12。适应力演化过程呈现先下降后上升的趋势。其中，2000—2013年适应力平均值由0.15减少到0.12，2014—2020年由0.12增加到0.16。恢复力演化过程呈波动上升趋势，2000—2020年平均值由0.06增加到0.10。
图2 2000—2020年长江中游城市群抵抗力、适应力和恢复力的时间序列

Fig. 2 Time series of resistance, adaptability, and recoverability in the middle reaches of the Yangtze River urban agglomeration, 2000-2020

长江中游城市群的生态系统抵抗力、适应力和恢复力在空间变化上呈现出异质性（图3）。其中，抵抗力呈现出“东南高西北低”的空间格局。抵抗力高值城市集中分布于宜昌、上饶和吉安等城市。适应力高值城市主要分布在武汉、长沙、南昌等城市群中心城市，研究期间适应力的空间差异性有所减小。恢复力的空间格局变化明显，恢复力高值城市从原先的分散布局逐渐转变为东南部地区集中分布。其中，鄱阳湖城市群的恢复力高值城市增加较为明显。
图3 2000—2020年长江中游城市群抵抗力、适应力和恢复力的空间分布

Fig. 3 Spatial distribution of resistance, adaptability, and recoverability in the middle reaches of the Yangtze River urban agglomeration, 2000-2020

3.2 生态韧性时空特征

2000—2020年长江中游城市群的生态韧性呈现出先下降后上升趋势（图4）。其中，2000—2014年长江中游城市群的生态韧性处于下降阶段，平均值由2000年的0.37减少到2014年的0.30，下降了18.92%；2015—2020年生态韧性处于上升阶段，平均值由2015年的0.32增加到2020年的0.37，上升了15.63%。
图4 2000—2020年长江中游城市群生态韧性时间序列

Fig. 4 Spatial distribution of resilience in the middle reaches of the Yangtze River urban agglomeration, 2000-2020

长江中游城市群的生态韧性空间上呈现显著的异质性（图5）。总体上，鄱阳湖城市群的生态韧性要高于武汉城市群和长株潭城市群。其中，2000—2005年，生态韧性大于0.50的地区主要集中于宜昌、吉安和常德等城市。2010—2020年，长江中游城市群的生态韧性空间分布格局发生明显变化，整体呈“东南高西北低”的空间格局。其中，生态韧性超过0.50的城市主要分布在鄱阳湖城市群。从2000—2020年生态韧性变化值来看，提高的区域主要集中分布在东南部，下降的区域主要集中分布在西部和北部。
图5 2000—2020年长江中游城市群生态韧性空间分布

Fig. 5 Spatial distribution of ecological resilience in the middle reaches of the Yangtze River urban agglomeration, 2000-2020

3.3 生态韧性演化机理分析

表3列出了模型的拟合优度检验结果，其中，复合可靠性均超过0.65；平均方差提取均超过0.60。同时，观测变量的方差膨胀因子值在1~5之间，表明各影响因素之间不存在强共线性。因此，本文的PLS-SEM模型构建合理，能够满足研究要求[36]。
表3 PLS-SEM模型的拟合优度检验

Tab. 3 Goodness-of-fit-test for the PLS-SEM

潜变量 观测变量 方差膨胀因子(VIF) 复合可靠性(CR) 平均方差提取(AVE)
自然环境 高程 1.40 0.75 0.80
坡度 1.34
年均气温 2.11
年均降水 2.18
城市化 土地城市化 1.64 0.82 0.72
经济城市化 2.16
人口城市化 1.74
绿色创新 产业转型 1.10 0.66 0.64
科研创新 1.10
区域政策 空间一体化 1.45 0.95 0.76
经济一体化 1.45
图6列出了模型影响路径显著性结果，其中，自然环境、城市化、绿色创新和区域政策对生态韧性产生影响的方差解释率（R2）为71.3%，表明4个潜变量能够解释城市群71.3%的生态韧性，但各个潜变量对生态韧性均有不同程度的影响。
图6 人地关系对生态韧性的影响机理

注：*、**和***分别表示显著性水平为1%、5%和10%

Fig. 6 The influence mechanism of ecological resilience evolution based on human-environment interactions

（1）自然环境对生态韧性的直接效应为正向显著，路径系数为0.42。自然因素不作为外生潜变量，不通过其他变量对生态韧性产生间接影响，其直接效应即为总效应。城市化对生态韧性的直接效应为负向显著，路径系数为-0.26。同时，通过自然环境对生态韧性产生了为负的间接效应强于为负的直接效应，间接路径系数为-0.29，路径为：城市化→自然环境→生态韧性。近年来，人口集聚、建设用地扩张和产业发展等人类活动加剧了生态系统的外界干扰强度，导致武汉、长沙、南昌等地区生态系统抵抗力下降，同时，由于退耕还湖、矿山修复等生态修复项目的实施，洞庭湖、鄱阳湖等地区抵抗力得到了显著提升。
（2）区域政策对生态韧性的直接效应为正向显著，路径系数为0.18。区域政策对生态韧性产生的间接影响路径有3条，分别是区域政策→城市化→生态韧性；区域政策→自然环境→生态韧性；区域政策→城市化→自然环境→生态韧性。其中，区域政策→自然环境→生态韧性的正向作用强度最大，路径系数为[0.65×0.42=0.27]。而区域政策→城市化→自然环境→生态韧性的负向作用强度最大，路径系数为[0.80×(-0.69)×0.42=-0.23]。城市群一体化促进了城市之间生态环境协同治理能力，促进资源合理、高效、集约利用，降低了人类干扰强度快速增加带来的生态系统服务退化的潜在风险，武汉、长沙、南昌等城市群中心城市的适应力最强，并呈现出核心到边缘的空间递减模式。
（3）绿色创新对生态韧性的直接效应为负向不显著，路径系数为-0.30。说明该阶段绿色创新对生态韧性具有负向作用，但是未通过显著性检验。绿色创新对生态韧性产生的间接影响路径有7条，分别是：绿色创新→区域政策→生态韧性；绿色创新→城市化→生态韧性；绿色创新→区域政策→城市化→生态韧性；绿色创新→区域政策→自然环境→生态韧性；绿色创新→城市化→自然环境→生态韧性；绿色创新→区域政策→城市化→自然环境→生态韧性；绿色创新→自然环境→生态韧性。其中，绿色创新→区域政策→自然环境→生态韧性的正向作用强度最大，路径系数为[0.66×0.65×0.42=0.18]。而绿色创新→区域政策→城市化→生态韧性的负向作用强度最大，路径系数为[0.66×0.80×(-0.26)=-0.14]。绿色创新的提升有助于产业结构升级，提高土地资源利用率，同时，绿色基础设施的投入，增加了生态空间规模，提升了区域的生态系统恢复力，其中，鄱阳湖地区较为明显。

4 讨论与结论

4.1 讨论

不同阶段的城市化对生态系统造成了不同程度干扰。2000—2014年长江中游城市群城市用地扩张强度逐年增加，导致该阶段生态韧性出现下降；2014年以后，生态文明建设上升为国家战略，城市用地扩张强度出现减弱，且发展经济时优先考虑生态环境，实施了系列生态修复工程，提升了生态韧性水平。长江中游城市群生态韧性的演变趋势与珠三角[16]、成渝[40]等地区一致。其中，武汉、长沙、南昌省会城市的生态韧性有所减弱，是因为城市化速度加快，建成区大面积扩张，侵占了生态用地空间，增加了生态破碎化，导致生态韧性下降[41]。与此同时，鄱阳湖和洞庭湖地区的生态韧性有所改善，是因为实施退耕还湖政策后，增加了生态空间，提升了生态系统恢复力[42]。如何基于人地关系提升城市群生态韧性?根据研究结果提出以下建议：① 自然环境方面，城市群建设需践行“绿水青山就是金山银山”科学理念，科学调控人类活动强度对生态系统的胁迫效应。针对生态韧性退化区域实施分区管控与系统修复，同步构建资源环境承载力的动态监测体系，有效控制人类活动强度的空间失序蔓延。通过建立山水林田湖生命共同体系统，实现城市群生态安全格局的优化保障。② 城市化方面，城市群的经济发展应该依托新质生产力的培育，促进新兴产业低碳转型发展和培育壮大高端生产服务业。建立城镇开发边界的刚性约束机制，通过提升单位用地经济密度，引导城市群建设用地实现集约化扩张。③ 绿色创新方面，城市群应引导经济资源向绿色技术先进领域转移，鼓励和发展绿色和新兴产业，从而降低区域生态潜在风险，促进区域生态韧性提升。④ 区域政策方面，基于空间相互作用与利益协同机制，驱动核心城市与外围市县的跨层级整合，促进建设用地要素向核心城市定向集聚。鉴于此，城市群发展需强化多尺度空间协同与要素共享，统筹区域资源要素配置与功能重构。通过城市更新激活存量用地开发潜力，实施建设用地减量增效策略，构建开发与保护动态平衡的共生系统，最终实现“三生”空间统筹的高质量国土空间治理。
本文基于现有研究的生态系统评估框架，结合社会—生态系统框架和人地关系地域系统理论，综合考虑了生态系统内部的动态演变和人类活动造成的外部影响，并选取合适的模型和指标构建了城市群生态韧性测度框架。因此，从“抵抗力—适应力—恢复力”视角评价生态系统如何利用生态本底抵抗冲击，更加突出了人地关系变化对生态韧性的动态作用过程。此外，以往研究更多关注于人类活动或自然因素对生态韧性的影响，缺乏研究区域政策、绿色创新如何影响城市群生态韧性。将一体化、科技创新、产业转型等区域政策和绿色创新因素纳入对生态韧性影响的综合考虑中，这将有助于将城市化进程带来的负面影响降到最低，促进生产、生活和生态的可持续发展。同时，考虑了城市群溢出效应，并运用PLS-SEM模型解释生态韧性的影响因素，丰富现有城市群生态韧性影响机理研究。但仍存在不足：① 不同区域的生态系统和社会发展条件差异较大，在遭受外部冲击时会表现出不同的韧性状态，因此不同发育等级的城市群应根据差异化修正该评价框架。未来研究应从横向和纵向对比分析不同发育等级的城市群生态韧性的时空特征。② 随着经济、社会和自然条件的不断变化，生态韧性的关键影响因素可能会发生变化，未来研究应更多地关注驱动因素影响生态韧性的动态作用。

4.2 结论

本文从人地关系视角切入，构建了“抵抗力—适应力—恢复力”的生态韧性评价框架，以长江中游城市群为研究对象，开展了长时序的生态韧性演化特征分析，并运用PLS-SEM模型剖析了人地关系交互作用下生态韧性的演化机理，主要结论如下：
（1）2000—2020年长江中游城市群生态系统抵抗力、适应力和恢复力演化过程呈现出波动变化特征。抵抗力呈缓慢下降趋势，适应力呈先下降后上升趋势，恢复力则呈现波动式上升趋势。空间维度上，3个指标均表现出显著的区域差异，大致呈现“东南高西北低”的格局。
（2）2000—2020年长江中游城市群生态韧性呈现明显的阶段性特征和空间异质性。其中，2000—2014年呈现下降趋势，2015—2020年呈现上升趋势。空间上呈现显著的异质性，整体呈现“东南高西北低”的空间格局。其中鄱阳湖城市群的生态韧性高于武汉城市群和长株潭城市群。
（3）自然环境和区域政策对生态韧性具有显著正向效应。城市化对生态韧性有显著负向影响。区域政策对生态韧性有显著正向直接效应。绿色创新对生态韧性的直接效应不显著，但通过区域政策和城市化对生态韧性产生显著间接影响。
关联数据信息：本文关联实体数据集已在国家地球系统科学数据中心出版，获取地址： https://doi.org/10.12041/geodata.87509610431292.ver1.db.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Liu Yansui. Modern human-earth relationship and human-earth system science. Scientia Geographica Sinica, 2020, 40(8): 1221-1234.

DOI

[刘彦随. 现代人地关系与人地系统科学. 地理科学, 2020, 40(8): 1221-1234.]

DOI

[2]
Kassouri Y. Monitoring the spatial spillover effects of urbanization on water, built-up land and ecological footprints in sub-Saharan Africa. Journal of Environmental Management, 2021, 300: 113690. DOI: 10.1016/j.jenvman.2021.113690.

[3]
Metzger M J, Rounsevell M D A, Acosta-Michlik L, et al. The vulnerability of ecosystem services to land use change. Agriculture, Ecosystems & Environment, 2006, 114(1): 69-85.

[4]
Fang Chuanglin, Zhou Chenghu, Gu Chaolin, et al. Theoretical analysis of interactive coupled effects between urbanization and eco-environment in mega-urban agglomerations. Acta Geographica Sinica, 2016, 71(4): 531-550.

DOI

[方创琳, 周成虎, 顾朝林, 等. 特大城市群地区城镇化与生态环境交互耦合效应解析的理论框架及技术路径. 地理学报, 2016, 71(4): 531-550.]

DOI

[5]
Holling C S. Resilience and stability of ecological systems. Annual Review of Ecology and Systematics, 1973, 4(1): 1-23.

[6]
Zhao R D, Fang C L, Liu H M, et al. Evaluating urban ecosystem resilience using the DPSIR framework and the ENA model: A case study of 35 cities in China. Sustainable Cities and Society, 2021, 72: 102997. DOI: 10.1016/j.scs.2021.102997.

[7]
Fu Z, Li D J, Hararuk O, et al. Recovery time and state change of terrestrial carbon cycle after disturbance. Environmental Research Letters, 2017, 12(10): 104004. DOI: 10.1088/1748-9326/aa8a5c.

[8]
Li J X, Nie W B, Zhang M X, et al. Assessment and optimization of urban ecological network resilience based on disturbance scenario simulations: A case study of Nanjing city. Journal of Cleaner Production, 2024, 438: 140812. DOI: 10.1016/j.jclepro.2024.140812.

[9]
Huang J, Zhong P S, Zhang J Z, et al. Spatial-temporal differentiation and driving factors of ecological resilience in the Yellow River Basin, China. Ecological Indicators, 2023, 154: 110763. DOI: 10.1016/j.ecolind.2023.110763.

[10]
Shamsipour A, Jahanshahi S, Mousavi S S, et al. Assessing and mapping urban ecological resilience using the loss-gain approach: A case study of Tehran, Iran. Sustainable Cities and Society, 2024, 103: 105252. DOI: 10.1016/j.scs.2024.105252.

[11]
Wang Shaojian, Cui Zitian, Lin Jingjie, et al. Coupling relationship between urbanization and ecological resilience in the Pearl River Delta. Acta Geographica Sinica, 2021, 76(4): 973-991.

DOI

[王少剑, 崔子恬, 林靖杰, 等. 珠三角地区城镇化与生态韧性的耦合协调研究. 地理学报, 2021, 76(4): 973-991.]

DOI

[12]
Wang J, Wang J M, Zhang J N. Spatial distribution characteristics of natural ecological resilience in China. Journal of Environmental Management, 2023, 342: 118133. DOI: 10.1016/j.jenvman.2023.118133.

[13]
Yang Xinjun, Shi Yuzhong, Wang Ziqiao. Exploring the impacts of road construction on a local social-ecological system in Qinling mountainous area: A resilience perspective. Acta Geographica Sinica, 2015, 70(8): 1313-1326.

DOI

[杨新军, 石育中, 王子侨. 道路建设对秦岭山区社会—生态系统的影响: 一个社区恢复力的视角. 地理学报, 2015, 70(8): 1313-1326.]

DOI

[14]
Hou Caixia, Zhou Lihua, Wen Yan, et al. Evaluation of social-ecological systems resilience in ecological policy: A case study in Yanchi, Ningxia, China. China Population, Resources and Environment, 2018, 28(8): 117-126.

[侯彩霞, 周立华, 文岩. 生态政策下草原社会—生态系统恢复力评价: 以宁夏盐池县为例. 中国人口·资源与环境, 2018, 28(8): 117-126.]

[15]
Fang Chuanglin. China's urban agglomeration and metropolitan area construction under the new development pattern. Economic Geography, 2021, 41(4): 1-7.

DOI

[方创琳. 新发展格局下的中国城市群与都市圈建设. 经济地理, 2021, 41(4): 1-7.]

DOI

[16]
Zhang T, Sun Y X, Zhang X B, et al. Potential heterogeneity of urban ecological resilience and urbanization in multiple urban agglomerations from a landscape perspective. Journal of Environmental Management, 2023, 342: 118129. DOI: 10.1016/j.jenvman.2023.118129.

[17]
Zhu Zheng, Zhu Xiang, Li Shuangshuang. Evolution process and characteristics of spatial structure of urban agglomeration in the middle reaches of the Yangtze River. Acta Geographica Sinica, 2021, 76(4): 799-817.

DOI

[朱政, 朱翔, 李霜霜. 长江中游城市群空间结构演变历程与特征. 地理学报, 2021, 76(4): 799-817.]

DOI

[18]
Ouyang Xiao, Zhu Xiang, He Qingyun. Spatial interaction between urbanisation and ecosystem services: A case study in Changsha-Zhuzhou-Xiangtan urban agglomeration, China. Acta Ecologica Sinica, 2019, 39(20): 7502-7513.

[欧阳晓, 朱翔, 贺清云. 城市化与生态系统服务的空间交互关系研究: 以长株潭城市群为例. 生态学报, 2019, 39(20): 7502-7513.]

[19]
Chen W X, Gu T C, Zeng J. Urbanisation and ecosystem health in the middle reaches of the Yangtze River urban agglomerations, China: A U-curve relationship. Journal of Environmental Management, 2022, 318: 115565. DOI: 10.1016/j.jenvman.2022.115565.

[20]
Peng J, Zhang Z M, Lin Y F, et al. Unveiling decoupled social-ecological networks of great lake basin: An ecosystem services approach. Earth's Future, 2024, 12(11): e2024EF004994. DOI: 10.1029/2024EF004994.

[21]
Liu L J, Liang Y J, Hashimoto S. Integrated assessment of land-use/coverage changes and their impacts on ecosystem services in Gansu province, Northwest China: Implications for sustainable development goals. Sustainability Science, 2020, 15(1): 297-314.

[22]
Xiao R, Liu Y, Fei X F, et al. Ecosystem health assessment: A comprehensive and detailed analysis of the case study in coastal metropolitan region, eastern China. Ecological Indicators, 2019, 98: 363-376.

DOI

[23]
Ouyang Xiao, He Qingyun, Zhu Xiang. Simulation of impacts of urban agglomeration land use change on ecosystem services value under multi-scenarios: Case study in Changsha-Zhuzhou-Xiangtan urban agglomeration. Economic Geography, 2020, 40(1): 93-102.

DOI

[欧阳晓, 贺清云, 朱翔. 多情景下模拟城市群土地利用变化对生态系统服务价值的影响: 以长株潭城市群为例. 经济地理, 2020, 40(1): 93-102.]

DOI

[24]
Hu H, Yan K G, Shi Y, et al. Decrypting resilience: The spatiotemporal evolution and driving factors of ecological resilience in the Yangtze River Delta urban agglomeration. Environmental Impact Assessment Review, 2024, 106: 107540. DOI: 10.1016/j.eiar.2024.107540.

[25]
Wang Z Y, Fu H Y, Liu H G, et al. Urban development sustainability, industrial structure adjustment, and land use efficiency in China. Sustainable Cities and Society, 2023, 89: 104338. DOI: 10.1016/j.scs.2022.104338.

[26]
Li G Z, Wang L Q. Study of regional variations and convergence in ecological resilience of Chinese cities. Ecological Indicators, 2023, 154: 110667. DOI: 10.1016/j.ecolind.2023.110667.

[27]
Wang K W, Ma H T, Fang C L. The relationship evolution between urbanization and urban ecological resilience in the Northern Slope Economic Belt of Tianshan Mountains, China. Sustainable Cities and Society, 2023, 97: 104783. DOI: 10.1016/j.scs.2023.104783.

[28]
Wu Q, Cao Y, Fang X Q, et al. A systematic coupling analysis framework and multi-stage interaction mechanism between urban land use efficiency and ecological carrying capacity. Science of the Total Environment, 2022, 853: 158444. DOI: 10.1016/j.scitotenv.2022.158444.

[29]
Zhang Yu, Wei Huabo. A multi-attribute decision-making method based on CRITIC for composite weighting. Statistics & Decision, 2012, 28(16): 75-77.

[张玉, 魏华波. 基于CRITIC的多属性决策组合赋权方法. 统计与决策, 2012, 28(16): 75-77.]

[30]
Liu Songlin, Wang Tan, Qi Linlin. Objective combination weighting-based measurement and evaluation of employment quality. Statistics & Decision, 2023, 39(20): 168-173.

[刘松林, 王坦, 戚琳琳. 基于客观组合赋权的就业质量测度与评价. 统计与决策, 2023, 39(20): 168-173.]

[31]
Zhao Z Y, Fu B J, Lü Y H, et al. Variable climatic conditions dominate decreased wetland vulnerability on the Qinghai-Tibet Plateau: Insights from the ecosystem pattern-process-function framework. Journal of Cleaner Production, 2024, 458: 142496. DOI: 10.1016/j.jclepro.2024.142496.

[32]
Yang L Y, Li Y B, Yu L M, et al. Theory and case of land use transition promoting ecological restoration in karst mountain areas of Southwest China. Ecological Indicators, 2024, 158: 111393. DOI: 10.1016/j.ecolind.2023.111393.

[33]
Tang J J, Zhou L, Dang X W, et al. Impacts and predictions of urban expansion on habitat quality in the densely populated areas: A case study of the Yellow River Basin, China. Ecological Indicators, 2023, 151: 110320. DOI: 10.1016/j.ecolind.2023.110320.

[34]
Radmehr R, Shayanmehr S, Baba E A, et al. Spatial spillover effects of green technology innovation and renewable energy on ecological sustainability: New evidence and analysis. Sustainable Development, 2024, 32(3): 1743-1761.

[35]
Cumming G S, Buerkert A, Hoffmann E M, et al. Implications of agricultural transitions and urbanization for ecosystem services. Nature, 2014, 515(7525): 50-57.

[36]
Wang C, Ma L, Zhang Y, et al. Spatiotemporal dynamics of wetlands and their driving factors based on PLS-SEM: A case study in Wuhan. Science of the Total Environment, 2022, 806: 151310. DOI: 10.1016/j.scitotenv.2021.151310.

[37]
Bai L B, Zhou X Y, Tian Y Y, et al. Evaluation for the development of urban agglomeration integration: A case study of Pearl River Delta. Social Indicators Research, 2024, 171(3): 877-904.

[38]
Li K, Hou Y, Andersen P S, et al. An ecological perspective for understanding regional integration based on ecosystem service budgets, bundles, and flows: A case study of the Jinan metropolitan area in China. Journal of Environmental Management, 2022, 305: 114371. DOI: 10.1016/j.jenvman.2021.114371.

[39]
Zeng Bing, Zhang Yan, Hu Yaguang. Recognition of urban hinterland based on transportation accessibility and urban competitiveness: A case study on the middle reaches of the Yangtze River. Tropical Geography, 2020, 40(1): 119-127.

DOI

[曾冰, 张艳, 胡亚光. 基于交通可达性与城市竞争力的城市腹地范围识别: 以长江中游城市群为例. 热带地理, 2020, 40(1): 119-127.]

DOI

[40]
Lu H, Zhang C, Jiao L D, et al. Analysis on the spatial-temporal evolution of urban agglomeration resilience: A case study in Chengdu-Chongqing urban agglomeration, China. International Journal of Disaster Risk Reduction, 2022, 79: 103167. DOI: 10.1016/j.ijdrr.2022.103167.

[41]
Lee C C, Yan J Y, Li T. Ecological resilience of city clusters in the middle reaches of Yangtze River. Journal of Cleaner Production, 2024, 443: 141082. DOI: 10.1016/j.jclepro.2024.141082.

[42]
Mao D H, Wang Z M, Wu B F, et al. Land degradation and restoration in the arid and semiarid zones of China: Quantified evidence and implications from satellites. Land Degradation & Development, 2018, 29(11): 3841-3851.

Options
Outlines

/

〈 〉