研究文章

客家文化保护区双层生态-遗产网络恢复力阈值的遥感评估

0 次观看

⸱

DOI：

10.3791/73497

⸱

2026年9月25日

 , 
1School of History-Culture and Tourism, Gannan Normal University, 2School of Economics, Management and Law, Gannan Normal University

本文内容

摘要

本研究为中国南方三个客家文化生态保护区构建了双层生态-遗产网络。渗透性分析揭示了生态层与测绘文化遗产清单层在结构稳健性方面的不同阈值，同时通过修复优先级指数确定了具有重要影响的斑块。该框架支持在不同保护区内对修复与监测方案进行基于证据的比较。

摘要

本研究提出了一种双层生态-遗产网络（DEHN）框架，将生态连通性与非物质文化遗产建模为耦合的双层图结构，并应用于中国华南地区的三个客家文化生态保护区（总面积74,547 km2）。具体而言，作者基于2000–2023年的土地覆被数据，采用MSPA-lite方法构建了一个包含233个节点和799条边的生态网络，并通过10 km距离衰减方案将其与一个包含23个节点和73条边的遗产网络进行耦合。此外，渗透攻击分析揭示了生态层的关键阈值为0.690，遗产层为0.925，表明生态网络比非物质文化遗产名录网络更早丧失连通性。修复优先级指数识别出47个一级（排名最高）和46个高优先级斑块，其中梅州集中了顶级层级中75%的斑块。反事实模拟显示，边成本降低会改变崩溃阈值，而斑块丢失会使阈值降低98.4%，因此需要通过新增踏脚石斑块实现拓扑扩展。整体而言，DEHN框架提供了密度归一化比较（23.3 vs. 3.21），表明单位连通性下生态层更具韧性，为受保护的文化-生态区域内的耦合修复规划提供了一个可迁移的模板。该DEHN框架呼应了可持续发展目标11.4（“加强努力保护和 safeguard 世界文化和自然遗产”）以及爱知生物多样性目标11（保护至少17%的陆地面积）。所识别的渗透阈值（生态f_C = 0.690，遗产f_C = 0.925）为评估文化生态保护区管理是否维持网络韧性高于崩溃阈值提供了量化基准。研究发现，47个斑块（占生态网络的20%）构成一级（最高排名）斑块，其丧失将引发级联失效，这表明当前文化生态保护区的边界划定未优先考虑这些拓扑上关键的斑块，可能不足以实现可持续发展目标11.4的要求。作者建议，文化生态保护区管理计划应将网络韧性阈值纳入监测指标，每年报告共识f_C是否保持在0.50以上（网络崩溃的操作定义）。

引言

在全球范围内，城市化、农村人口减少和气候变化正同时重塑着生态与文化景观，威胁着生物物理完整性和遗产传承1,2。山地文化景观尤为脆弱：它们集中了不成比例的非物质文化遗产，同时承载着许多人口稠密地区最后的连续森林核心区3。可持续发展目标11.4和爱知目标11共同呼吁保护世界文化和自然遗产，并保护具有生态代表性的生境，然而长达十年的监测表明，在许多司法管辖区，这两个目标的发展进程并不同步4。在中国，国家级文化生态保护区（CEPZ）计划划定出完整的地域单元，旨在将生态完整性和非物质文化遗产作为一个整体系统加以保护5。然而，自该计划启动十五年多以来，其政策评估几乎完全依赖基于名录的指标，而非连接生态与遗产两个层面的空间机制。目前，在任何尺度上，CEPZ内的生态子系统与遗产子系统是否在不同胁迫因素下同步退化，还是沿着不同轨迹演变，仍缺乏实证研究予以明确。

通过重组生境基质的分布格局和渗透性，景观破碎化改变了支撑生态系统服务供给的关键连通性6。通常利用景观格局指数——如斑块密度、形状不规则性、土地覆被的香农多样性指数——并常结合移动窗口分析来量化破碎化程度7。近年来，形态学空间格局分析（MSPA）及其在此采用的简化版本（MSPA-lite）已成为中国区域生态学中识别核心–边缘–廊道生境结构的主要工具8,9。这些形态学工具虽具信息量，但在反映生物体或生态系统服务流的空间过程方面本质上是非空间性的：它们能够描述生境斑块的分布，却无法揭示生态系统服务在生境核心之间如何传播以及沿哪些路径传播10。这一局限性在中国生态保护红线区（CEPZs）中尤为突出，因为此类政策的前提正是生态要素与遗产要素在景观尺度上具有功能性连接。然而，若缺乏明确表达作用机制的空间模型，仅靠景观度量指标无法揭示CEPZ管理所应保护的连通性路径。

基于图论和电路理论的连通性模型在一定程度上填补了生态系统服务研究中的这一空白。基于土地利用图生成的阻力表面进行的最小成本路径（LCP）分析，现已成为划定生境核心区之间生态廊道的标准工具11,12。电路理论（Circuitscape）将景观视为一个阻力网络，并计算多路径的流动概率13。近期的多层网络综合研究显示，这些单层工具可被扩展用于表征供给–需求型生态系统服务流14,15。在文化遗产方面，空间量化方法则沿不同方向发展。核密度估计（KDE）已成为非物质文化遗产聚集性的默认表征方法16，而组合图——通常基于已申报遗产地位置构建的Delaunay三角网或k近邻网络——则捕捉了遗产资产的离散关系结构17。然而，生态网络与遗产网络几乎始终被视为并行的单层对象18,19；将二者耦合为一个由双层共同调控传播动态的超网络的可能性，尚未在文化-生态保护区（CEPZ）尺度上实现可操作化20,21。因此，在渐进式胁迫移除条件下，耦合双层网络失去其大型连通组分的韧性阈值仍属未知。

网络模型——其中节点代表参与者，边表示相互作用——为解决这一空白提供了数学工具22。多层网络和多重网络将图表示法推广至同一主体参与结构上不同交互机制的系统23，并提供了一套紧凑的分析框架，用于测量层间耦合、跨层参与度以及各层特有的恢复力。在生态网络研究中，基于渗流理论的节点移除模拟已被用于识别最大连通组分发生崩溃时的关键比例 f*——这一指标被广泛接受为结构恢复力的代理参数24。将这些工具扩展至耦合的生态–遗产体系，需要满足三个条件：（i）明确的层间耦合机制，以反映生境核心区与遗产点之间的空间邻近性；（ii）针对每一层独立实施的攻击协议，以识别各层特有的脆弱性；（iii）一个综合优先级指数，将耦合网络的诊断结果转化为可操作的恢复目标。本研究提出的双层生态–遗产网络（DEHN）框架实现了上述三项要求，并在此基础上，在多CEPZ尺度上量化了两层各自的恢复力阈值及其跨层诊断指标。

客家文化生态保护区构成了具有显著分析价值的对比梯度。该区域横跨三个国家级保护区——位于赣南的赣州、闽西的福建西部以及粤东的梅州，共同覆盖了武夷山—南岭—莲花山山脉约74,547 km2的范围，并拥有23项被列入国家级非物质文化遗产名录的项目，涵盖表演艺术、传统工艺和民间习俗等领域25,26。与那些因水文单向性驱动生态系统服务流动的干旱内陆盆地不同，客家山区的特征在于众多小型生境核心之间密集的廊道网络，其文化遗产根植于具有数百年历史的封闭式民居建筑27，同时经历了长达数十年的人口减少过程，导致许多山区县的净迁出人口超过户籍人口的30%28。这种高密度文化遗产、收缩的农村人口以及持续存在的山地森林三者并存的格局，形成了理论上的多层模型所预测但极少在国家以下尺度上被实证观察到的双重压力机制（城市化驱动的生态损失与人口减少导致的文化遗产衰退）29。现有的针对单一客家保护区的案例研究虽提供了丰富的民族志和类型学洞见，但尚未揭示生态层与文化遗产层之间的耦合空间动态30。由于这三个区域位于相同的气候与地形带，却面临不同的压力组合——赣州的近郊城市扩张、闽西土楼旅游的高强度开发、梅州由海外侨民流动引发的人口流失——因此它们共同构成了一个三重处理条件下的比较梯度，适用于对比分析。本文所构建的分析框架因而有望超越客家案例本身，为其他15个国家级文化生态保护区以及全球范围内面临类似压力耦合的文化景观提供可推广的诊断模板31。

基于这一研究空白，本文探讨两个相互关联的问题。首先，在逐步的随机和定向攻击下，CEPZ尺度区域内的生态廊道网络与非物质文化遗产网络是否具有相同的临界渗流阈值，还是这两个网络在节点损失比例存在结构差异时分别发生崩溃？其次，如果两个网络确实表现出不同的恢复力，哪一个网络对耦合系统的整体完整性构成约束性限制，且在何处进行修复投资能够最有效地重新分配这一限制？为回答上述问题，本研究（i）构建了一个双层生态—遗产网络（DEHN），该网络整合了对中国土地覆盖数据集六期30米分辨率影像的形态空间格局分析，以及对23项国家级非物质文化遗产项目的核密度估计；（ii）在四种逐步节点移除规则下量化各层一致的渗流阈值，并通过多层参与度和超特征向量中心性刻画层间耦合结构；（iii）推导出一个综合修复优先指数（RPI），并通过情景模拟与多参数敏感性分析评估其可操作性。所建立的框架为华南地区及其他类似多层遗产区域的CEPZ生态修复规划提供了机制明确、遥感驱动的决策基础。

方案

研究区域
客家文化生态保护区（CEPZ）体系由三个国家级保护区组成，覆盖中国南方江西、福建和广东三省交界的山区（23°23′–27°08′ N，113°50′–116°44′ E）（图1A–D）。这三个保护区——位于江西南部的赣州CEPZ、福建西部的闽西CEPZ和广东东部的梅州CEPZ——共同覆盖面积达74,547 km2，包含34个县级行政单位（33个县和1个市辖区），构成了客家文化圈的地理核心。其中，赣州CEPZ是三者中面积最大的（39,341 km2），涵盖赣江源头和武夷山山麓地带的18个县，拥有最密集的客家围龙屋（weilongwu）以及内陆地区最密集的土楼分布。闽西CEPZ（19,353 km2）覆盖以龙岩和三明为中心的6个县，其联合国教科文组织认定的福建土楼群是该地区标志性建筑遗产。梅州CEPZ（15,853 km2）包括梅江中游流域的9个县，被国际公认为“客家文化之都”，其海外客家侨民人均比例为中国之最。

该地区地貌以中等海拔山地（400–1,600 m）为主，属于武夷山、南岭和莲花山山脉，构造走向为东北—西南向。这三个区域均属亚热带湿润季风气候：年降水量为1,500至2,100 mm，年平均气温为18–21 °C。天然植被以阔叶林和常绿混交林为主，在河谷地带则与梯田耕地交错分布。根据2020年人口普查数据，这三个区域共居住超过1,200万人——呈现出文化遗产高度密集与农村严重人口流失并存的矛盾局面，许多山区县的净迁出率超过户籍人口的30%。在三个区域内，列入国家级客家非物质文化遗产（ICH）名录的项目共计23项（图1B–D），涵盖表演艺术（山歌、客家戏）、传统技艺（土楼建造、木版印刷）以及民俗活动（三元节、祭祖）。密集的文化遗产、收缩的农村人口以及相对完好的山地森林共同并存，使客家文化生态保护区（CEPZs）成为在全国以下尺度开展非物质文化遗产名录网络分析时，研究生态—结构耦合稳健性的独特比较梯度32。三个区域的基本行政、形态及文化遗产特征汇总于Table 1。

文化生态保护区（CEPZ）计划由文化和旅游部（MCT）于2007年启动，旨在保护生态完整性与非物质文化遗产作为耦合系统的连贯性地域单元33。三个客家区域均在2013年至2019年间被列为国家级重点区域，分别由江西、福建和广东三省的文化事务局负责行政协调。自2020年起，CEPZ范围内的修复与恢复规划需遵循《国土空间规划》（NTSP）框架，该框架要求对生态廊道和遗产缓冲区进行明确的空间优先排序34。因此，客家案例结合了清晰的行政管辖范围与空间异质性的胁迫因子体系，其分析结果可直接应用于现有的规划工具中。近期针对CEPZ尺度的评估已呼吁采用基于网络的诊断方法，以取代此前使用的基于清单的指标体系35，这为DEHN框架的提出提供了直接的政策背景。客家景观的另一个显著特征是其广泛的 diaspora（离散）遗产：仅梅州市就占全球客家 diaspora 超过三分之一，侨汇驱动的土地管理方式导致其土地利用轨迹明显区别于人口稳定的中国山区地区36。这一社会层面在当前的多层模型中未被直接参数化，但在此作为生态与遗产层演变的机制性背景予以记录。

数据
研究区域内各县面积的描述性统计：均值 = 2,193 km2（范围：721–3,946 km2；中位数：2,089 km2；标准差：687 km2；n = 34 个县）。假设各县为圆形，其平均直径约为 53 km，是 10 km 层间耦合半径的 5.3 倍。这种系统性的地理编码误差意味着，真实的脑出血-生态斑块耦合关系可能与基于质心的估计值存在显著差异。一项将耦合半径增加至 20 km 的敏感性分析显示，在 20 个案例中有 15 个案例的前 20 位 RPI 斑块身份得以保留，表明结果对地理编码不确定性具有中等程度的稳健性。未来亟需开展村级实地调查，以解决这一局限性。

表2总结了本研究使用的主要数据集。土地覆被数据源自武汉大学开发的中国土地覆被数据集（CLCD），空间分辨率为30 m，时间跨度为1985–2023年，每年更新37。为表征数十年变化趋势，保留了六个代表性年份（2000、2005、2010、2015、2020、2023），以保持五年间隔的一致性，并包含最终年份。CLCD分类体系区分了耕地、森林、灌木、草地、水体、冰/雪和不透水面，其在研究区域的整体精度经独立验证超过79%38。行政边界和文化生态保护区（CEPZ）范围来自文化和旅游部（MCT）的国家级CEPZ注册数据库以及高德POI服务；国家级非物质文化遗产（ICH）项目根据此前中国ICH网络研究中采用的惯例，被地理编码至其所属文化传承单位所在的县级行政区中心点39。该综合数据集采用CC-BY许可发布，可通过公开的遥感存档完全复现，符合近年来对可重复生态网络研究的倡导40。

数据预处理在 Python 3.11 中实现，采用五个步骤的流程链，使用了 rasterio 1.3、GeoPandas 0.14 和 NetworkX 3.2。第一步，将 CLCD 30 米年度 GeoTIFF 数据裁剪至三区联合边界框（23°23′–27°08′ N，113°50′–116°44′ E），并重投影至阿尔伯斯等积圆锥投影（lon₀ = 105°E，φ₁ = 25°N，φ₂ = 47°N），以在后续形态学分析中保持面积不变。第二步，将三个 CEPZ 边界合并生成研究掩膜，整个流程中所有掩膜外的像元均设为 NoData。第三步，针对六个基准年份中的每一年，按土地覆盖类型统计像元数量，以支持跨年度的破碎化轨迹直接比较。第四步，从国务院国家级名录（批次 1–5）中汇编 ICH 点位数据集，根据申报文化传承单位所属县级行政区的质心进行地理编码，利用公开可用的兴趣点服务进行验证，并以 WGS-84 坐标系存储为 GeoJSON 图层，属性包括项目编号、类别（表演艺术、传统工艺、民间习俗）、列入批次及所属 CEPZ。第五步，所有后续的矢量–栅格操作均在阿尔伯斯等积圆锥投影下完成，采用分块栅格读取和内存中矢量化数组处理，以在 30 米网格尺度上保持计算效率。所有边界和 ICH 源文件，以及可重复的预处理脚本，均可在合理请求下获取。

方法
分析流程（图2）分为五个横向的职能区域——数据（DATA）、图层（LAYER）、耦合（COUPLING）、诊断（DIAGNOSTICS）和输出（OUTPUT）——共包含六个方法学模块：（i）基于30 m CLCD数据，通过轻量级形态空间格局分析（MSPA-lite）对生态图层进行形态学量化；（ii）基于23项国家级非物质文化遗产项目，利用核密度估计（KDE）和组合邻接图对遗产图层进行空间量化；（iii）在具有距离衰减特性的跨图层方案下，将两个图层耦合为一个双层超网络；（iv）在对各图层独立施加随机和针对性节点移除规则的基础上，识别基于渗流理论的韧性阈值；（v）构建综合修复优先级指数（RPI），并在生态节点集上进行空间映射，以识别一级（排名最高）斑块及最高优先级廊道；（vi）针对优先级类型划分和耦合参数开展情景模拟与多参数敏感性分析。

超邻接矩阵 A（256 × 256）被构造成一个分块矩阵，其中 AE,norm 和 AH,norm 是通过各自平均边权重归一化的层内邻接矩阵，Ainter 是层间耦合矩阵。该矩阵是对称的（通过计算验证：||A - AT || < 1e-10），且不含自环（trace(A) = 0）。

figure-protocol-1

归一化前的边权重统计：生态层 — 最小值 = 0.008730，平均值 = 0.098589，最大值 = 1.618909；遗产层 — 最小值 = 0.006862，平均值 = 0.019848，最大值 = 0.085832。均值归一化后：生态层 — 最小值 = 0.0885，平均值 = 1.000，最大值 = 16.4207；遗产层 — 最小值 = 0.3457，平均值 = 1.000，最大值 = 4.3244。

谱半径由均值归一化的对称邻接矩阵计算得出：生态模块的 lambda_max = 19.6481，遗产模块的 lambda_max = 10.5404，完整超网络的 lambda_max = 19.6481。因此，生态模块主导了主导模式。此前一个节点级别的中心性数值被错误地标记为特征值，现已从所有谱半径报告中移除。作为对比，按构造，行随机归一化的主导特征值为 1.000。

基础的10 km耦合规则产生了42条层间连接：其中35条满足严格的距离阈值，7条为ICH节点的最近斑块回退连接，这些ICH节点在半径范围内无内部斑块。因此，保留的23个ICH节点均至少维持了一条生态连接。RPI中使用的超特征向量中心性由均值归一化的对称邻接矩阵计算得出。

生态层量化（MSPA-lite）
形态学空间格局分析（MSPA）将二值土地覆被掩膜划分为具有拓扑信息的类别（核心、边缘、桥接、环状、斑块、孔洞、分支），从而在不依赖组成成分的情况下揭示生境的连续性41. 由于覆盖 74,547 km 的 30 米栅格上的完整 MSPA 分析2 在初步试验中，由于计算成本过高，本研究采用了一种双类MSPA-lite模型，该模型保留了核心区与边缘区的区分，同时将桥接区、环状区和孤岛区合并为一个聚合类别 "边缘" 类别。植被被定义为CLCD分类代码{森林、灌木、草地}的并集。将30米分辨率栅格通过多数规则聚合重采样至90米，并采用3像元半径的圆形结构元素（相当于270米）进行二值腐蚀运算，以提取植被核心区；剩余的植被像元被标记为边缘。小斑块（<5 km2) 被排除，以聚焦具有生态意义的核心区域，该处理依据中国区域MSPA研究中广泛采用的面积阈值。42MSPA-lite 针对六个代表性年份中的每一年，生成了总植被面积、核心区面积、边缘区面积以及独立核心斑块的数量——这些充分的描述指标可用于追踪被假定为主要生态胁迫因子的破碎化趋势（第 4.1 节）。

选择基于CLCD的形态学指标而非季节性NDVI或LST时间序列是出于明确考虑。在 Hakka 山区，雨季期间云层覆盖污染通常超过70%，而终端湖泊盆地的几何特征加剧了云层持续存在，导致构建连续多年的季节性NDVI合成数据需要专门定制的空缺填补流程。由每年验证的分类图谱提取的形态学指标可规避此类大气噪声，同时保留对基于网络的韧性分析最为关键的连通性信息43。

在初步分析中探讨了MSPA-lite参数的敏感性。核心侵蚀半径分别设置为2、3和4个像元（在90米聚合尺度下，相当于内部区域180米、270米和360米），最小核心面积阈值则测试了3 km2、5 km2和10 km2三种情况。最终采用的参数组合（3像元侵蚀，5 km2阈值）因其能够在六年期间保持斑块丰度稳定的排序，同时消除由CLCD分类噪声产生的虚假小核心而被保留。跨年度MSPA-lite结果通过人工目视验证：每年随机选取10个斑块，与高分辨率Google Earth影像进行比对，2020年快照中核心与边缘分类的一致性超过95%。斑块标识符通过空间重叠规则在不同年份间进行统一：若某斑块在年份t与年份t + 5的斑块足迹之间的Jaccard指数超过0.60，则将其匹配为后者的主要重叠对应斑块。无稳定前身的斑块被记录为“新出现”，无稳定后续的斑块被记录为“消亡”。该谱系表构成了第3.1节中碎片化轨迹分析的基础。

遗产层量化（ICH-KDE + 邻接网络）
对于23项国家级非物质文化遗产项目中的每一项，以其申报保护单位所在的县 centroid 作为点位定位器。在三区联合范围内的500米网格上，采用5公里带宽进行核密度估计（KDE）计算，该带宽与根据23个点样本及其双变量范围估算的Silverman经验法则值相当。所生成的密度表面 ich_kde_5km 反映了遗产禀赋的空间集中程度，并构成离散遗产图的空间锚点。带宽的选择参考了既往关于中国土楼聚类分析的研究，这些研究指出聚类间的典型间距为6–8公里；5公里带宽能够同时分辨聚类内部的集聚特征与聚类之间的空隙。

遗产图G_H通过将23个ICH节点的Delaunay三角剖分与k近邻（KNN，k = 4）图相结合而构建，得到边集的并集。这种组合方法消除了跨越地形障碍的细长Delaunay边，同时保留了最近邻连接性，遵循了近期多层生态系统服务研究中采用的图构建协议44。边权重被赋值为大圆距离（以米为单位）的倒数，因此距离更近的遗产项目具有更强的推断关联性。在23个节点的图上，按照“权重 = 1 / 距离”的标准做法，计算了节点层面的中心性指标——度、加权度、介数、特征向量、PageRank和聚类系数。

为了验证遗产图中KNN组分选择k = 4这一方法学参数的合理性，我们在保持Delaunay三角剖分基础结构不变的前提下，对k值从3到8进行了敏感性分析。共识渗流阈值范围为0.754（k = 4）至0.923（k = 7），中间值分别为0.779（k = 3）、0.773（k = 5）、0.852（k = 6）和0.885（k = 8）。最终保留k = 4的选择，因为该值生成的图最为稀疏，同时仍能保证所有节点完全连通且不出现冗余的长距离边；此外，k = 4与相邻k值之间的节点度中心性Spearman秩相关性保持较高水平（k = 3时ρ = 0.691，k = 5时ρ = 0.793）。保留Delaunay三角剖分作为基础层，是因为其可确保生成一个连通的平面图，并反映脑出血（ICH）点分布的空间拓扑结构；而KNN叠加层则消除了跨越地形障碍（如武夷山山脊）的细长Delaunay边。这种组合式的Delaunay + KNN构建方法遵循了近期多层生态系统服务研究中采用的图构建协议，确保了遗产网络拓扑结构并非单一任意参数选择的人为结果。

生态廊道与最小成本路径
阻力面构建遵循基于类别的查找表（LUT）惯例45。每个CLCD类别被赋予一个数值型阻力值，反映其对生物扩散和生态系统服务流动的阻碍程度（表3）。森林的阻力值设为基准值（1），随后按递增顺序分别为灌木（5）、草地（10）、水体（30）、耕地（50）、冰雪（200）和不透水面（500）；无数据像元被赋予中性占位值（100）。该查找表被应用于2020年CLCD 90米分辨率栅格数据，生成投影为Albers等积圆锥投影、范围为4,688 × 3,953网格的阻力面。

使用 skimage 的 `graph.route_through_array` 方法在阻力表面上基于 Dijkstra 算法计算了核心斑块对之间的最小成本路径（LCP）。候选节点对被限制为 233 个斑块质心在投影空间中 K 最近邻（k = 4）和 Delaunay 三角网图的并集，遵循中国区域连通性研究中广泛使用的 LCP-图协议46。该方法生成了 799 条候选廊道，每条廊道均以累积成本（路径上阻力的无量纲整数和）、路径长度（米）和有效阻力（成本/长度）进行表征。由于没有任何廊道超过区域连通性研究推荐的最大成本阈值47，全部 799 条廊道均保留在最终的生态图 G_E 中。

曾考虑但未采用坡度校正阻力；研究工作流程中可用的数字高程模型覆盖范围仅限于北纬26.00–27.14°之间，因此未能覆盖研究区域南部三分之二的区域，故在研究时间范围内未尝试对三区范围进行完整的SRTM重新处理。在数字高程模型数据不完整的情况下，中国区域廊道研究通常采用纯土地利用/土地覆被（LULC）阻力参数化方法，该方法可在排除地形梯度干扰的情况下单独提取LULC信号48。

LCP 计算的实现采用了 `geometric` 模式下的 skimage.graph.route_through_array 方法，阻力表面被转换为 float32 格式，并对零成本单元格施加了一个微小的（1e−6）加性常数，以防止路径退化坍缩。为了减少在完整的 4,688 × 3,953 网格上的内存占用，成本表面被划分为四个重叠的 2,344 × 1,977 窗口，每个窗口包含 200 个单元的缓冲区；对于跨越相邻图块的 LCP，通过在合并的缓冲区并集上进行计算，以避免接缝伪影。全部 799 条候选 LCP 均通过随机抽取 5% 的样本并对照输入阻力表面检查连续连通性进行验证；未发现不连续路径。廊道路径几何体通过 marching-squares 方法提取并矢量化，以 GeoJSON 格式的 WGS-84 LineString 要素存储，保留路径长度、累积成本、有效阻力（成本/长度）以及源/目标斑块标识符作为属性。用于 LCP 端点选择的中心点代表点采用 GeoPandas 的 representative_point 方法计算，而非几何中心点，以确保在斑块几何形状为凹形的情况下，每个端点均位于相应斑块多边形内部。

双层超网络构建
遗产图 G_H（n = 23，m = 73）与生态图 G_E（n = 233，m = 799）被整合为一个双层超网络。当ICH节点h到生态斑块中心点e的测地距离不超过10 km时，插入一条层间边（h, e）；该半径值是在5、10、15和20 km范围内的敏感性分析中确定的（第3.5节）。若在10 km范围内无任何斑块存在，则连接最近的斑块作为最低连通性备用方案。因此，基准网络共包含42条层间边：其中35条为严格半径范围内的连接，7条为备用连接。

figure-protocol-2

在超邻接矩阵 A（256 × 256）中，边权重分配如下：层内遗产边保留其距离倒数权重；层内生态边采用最小成本路径代价的倒数（1 / 代价）；层间边权重则按以下定义设定，其中 d 为以千米为单位的耦合距离，figure-protocol-3w_intrafigure-protocol-4 为层内边权重的平均值，从而得到一个相对于层内权重幅度进行校准的平滑衰减的层间耦合。该超网络支持两类衍生度量指标：（i）超特征向量中心性，计算为矩阵 A 的主特征向量，为各节点在不同层中提供可比较的重要性评分；（ii）多层参与系数，其定义如下，遵循双层网络诊断中使用的多层参与形式体系，用于刻画节点在层内连接与其到另一层耦合之间的平衡关系。

figure-protocol-5

figure-protocol-6

超邻接矩阵 A 使用 SciPy 的稀疏矩阵模块以稀疏 CSR 矩阵形式存储。通过对均值归一化的对称矩阵使用 ARPACK 的 eigsh 实现计算其主特征对，并通过幂迭代法进行交叉验证；全矩阵的谱半径为 lambda_max = 19.6481。该相同的对称矩阵特征向量提供了 RPI 的超特征向量中心性分量。行归一化仅用于转移矩阵的诊断；其主特征值按构造为 1.000。不同的层间耦合函数与指数衰减基线相比，产生的 RPI 排序相关性均高于 0.94。

基于渗流的韧性阈值
每个网络层分别独立地经受四种逐步的节点移除攻击：（i）在500次重复实验中进行均匀随机移除（第2.3.8节中的情景为300次重复）；（ii）按节点度降序进行的针对性移除；（iii）按介数中心性降序进行的针对性移除；（iv）按特征向量中心性降序进行的针对性移除。当从一个初始具有n个节点的网络中移除k个节点后，结构完整性通过S(k) = LCC(k)/(n - k)进行度量，其中LCC(k)表示剩余节点中最大连通组分所包含的节点数量。临界阈值f*是指使S(k) < 0.5成立的最小被移除节点比例k/n。所报告的阈值和渗流曲线均采用此剩余节点归一化方法。共识阈值f_C为四种攻击特异性阈值的算术平均值。

对于随机移除攻击，经过初步收敛性测试后采用500次重复实验，结果显示在第350次重复时，最大连通分量（LCC）随节点移除比例变化的曲线已稳定至变异系数在0.02以内；500次重复在几乎不增加计算成本的前提下，提供了充足的收敛安全裕度。度、介数和特征向量排序中出现的并列情况——鉴于遗产网络图仅有23个节点，此类并列现象不可忽略——均按照节点标识符的字母顺序打破，以确保在不同独立运行中结果完全可重现。攻击进程在每一层上独立计算，以分离各层特有的脆弱性；曾考虑采用联合攻击方案，即根据超特征向量排序同时从两层中移除节点，但未予采纳，因其会以混淆双层信号的方式掩盖预期的层特异性诊断结果。0.5的LCC比例阈值参照生态廊道渗流研究中的标准做法选定；在0.4和0.6的LCC阈值下进行的辅助敏感性测试表明，生态网络脆弱性低于遗产网络的排序关系保持不变，且绝对共识阈值在两个方向上的变动均小于0.05。共识阈值计算为四种攻击特异性阈值的算术平均值。尽管四种攻击规则具有不同的结构解释意义，共识阈值作为汇总统计量，可反映在多种威胁情景下的平均脆弱性水平。方向性结果在不同攻击模式下的不变性（在四种攻击中的三种中均表现为生态网络 < 遗产网络）提供了内部验证支持。

对于随机攻击，进行了500次独立重复实验。以剩余节点数量（n - k）对LCC进行归一化后，生态层的平均随机阈值为0.623 ± 0.058（标准差），遗产清单层的平均随机阈值为0.960 ± 0.082。置信区间（95%）由重复实验结果的分布计算得出。

figure-protocol-7

靶向攻击（度、介数、特征向量）采用基于初始网络拓扑结构的静态排序，而非每次移除后进行动态重新计算。选择这种静态方法的原因是：（i）它提供了一种可重复、确定性的攻击序列；（ii）在稀疏的空间网络上进行动态重新计算可能导致中心性排序不稳定；（iii）静态方法代表了最不利的情况。动态重新计算通常会产生略低的阈值；因此，本文报告的估计值是保守的。移除增量以顺序单节点移除方式实现。对于23节点的遗产网络，每次移除对应约4.3%的节点；对于233节点的生态层，每次移除对应约0.43%。这种高于0.025分辨率的设置可确保准确检测阈值。

恢复优先级指数（RPI）
综合恢复优先级指数（RPI）整合了233个核心斑块上的四类证据：

figure-protocol-8

其中 z(·) 表示对所有斑块进行标准化处理，使其均值为零、方差为一；w1 = 0.35 强调双层结构中心性，w2 = 0.20 对较小斑块（破碎化热点）赋予更高优先级，w3 = 0.30 提升具有强ICH耦合特征的斑块权重，w4 = 0.15 提高具有高平均边缘成本的孤立斑块的权重。权重向量的选择旨在突出结构中心性和遗产耦合（DEHN 框架中的两个新引入通道），同时保留一定程度的破碎化和孤立性贡献；权重敏感性分析见第 3.5 节。根据 RPI 的第 80 和第 60 百分位数，将斑块划分为三个优先等级：第一级（排名最高）（前 20%）、高（第 60–80 百分位数）和中等（后 60%）。廊道层级的优先级通过成本、有效电阻和端点 RPI 的 z 分数之和对 799 条廊道进行排序；前 15%（n = 119）被标记为最高优先级恢复廊道。

情景模拟
构建了四种情景以评估 DEHN 框架的实际适用性。S1 为基线情景，在四种渗流攻击下保留未经修改的生态网络 G_E。S2 为中等层级斑块损失情景，同时移除被归类为中等层级的全部 140 个斑块，模拟在未受保护的小型斑块丧失而关键和高优先级斑块得以保护的情景下的景观演变过程。S3 为一级节点恢复情景，当两个一级斑块之间的连接边原始成本超过中位数成本时，将其成本减半，代表在结构上居中斑块之间的廊道上进行的生态恢复。S4 为廊道恢复情景，将 119 条最高优先级廊道的成本降低 40%，代表依据 RPI 排名指导的大规模廊道修复。

在每种情景下，均重新执行完整的四次攻击渗透堆栈分析，包含300次随机重复，并记录四种针对特定攻击的阈值以及共识阈值，以进行跨情景比较。由于情景S3和S4仅调整边权重而不改变网络拓扑结构，该设计可分离出阻力降低对网络鲁棒性的特定贡献——这是一种单纯的节点移除模拟无法揭示的细微机制诊断。情景参数值的选择旨在匹配合理的恢复预算规模。在S3中，对第一层级（排名最高）至第一层级（排名最高）边实施50%的成本降低，近似于在中国生态保护与建设区（CEPZs）典型五年恢复规划周期内，通过河岸缓冲带扩展和在现有廊道土地上开展小规模再造林所能实现的最大阻力降低效果。在S4中，对前119条廊道实施40%的成本降低，反映了一个持续十年的、更大范围的廊道-基质修复计划。中等损失情景S2代表一种反事实情景：即当前恢复优先级得到遵循，但未对中等优先级斑块实施主动保护；这反映了当前CEPZ项目实际的预算范围，其中明确的保护措施通常集中在优先级最高的前40%区域。

敏感性分析
两项敏感性分析用于检验RPI排名对模型选择的稳健性。首先，将每个RPI权重（w1 – w4）分别扰动±0.05和±0.10，重新归一化至总和为1，记录扰动后的RPI排名与基线排名之间的Spearman等级相关系数ρ。其次，将层间耦合半径分别设置为{5, 10, 15, 20} km，报告层间边的数量以及由此得到的参与系数与10 km基线情况之间的Spearman相关系数。这两项分析共同量化了RPI结论在不同建模惯例下的可迁移性。

除了单次权重扰动外，还对从以原始权重为中心的狄利克雷分布（alpha = [3.5, 2.0, 2.5, 2.0]）中抽取的1,000组可接受的权重组合进行了联合不确定性分析。针对每组权重组合，重新计算了RPI并确定了排名前20%的斑块集合。结果表明，有15个斑块在所有分析中均保持了前20%的排名地位 >90% 概率，26 例 >75% 概率，以及 43 >50% 概率。15 个最稳定的区域（概率 > 90%）集中在梅州特征向量枢纽簇中，表明顶层优先区识别结果对权重设定具有稳健性。负向面积项被保留，原因在于梅州地区面积较小且几何上聚集的斑块构成了结构瓶颈；而闽西的大面积完整核心区尽管面积更大，其边际连通性提升贡献却较小。

选择±0.05和±0.10的权重扰动，以涵盖领域分析人员可能分配的变化范围，这是因为专家们对RPI四个组成部分的相对重要性存在分歧。下限值确保即使在最大测试扰动下，任一单一组成部分的权重也不会降至零（最小权重结果为0.05），从而在所有扰动情形中均保留四个证据来源。耦合半径从5至20 km的扫描范围，覆盖了类似多重生态-社会系统研究中所记录的范围。两项敏感性分析均在完整的233个斑块、799条边的网络上进行，并固定全部500个重复种子，以使报告的秩相关系数仅反映扰动的影响，而不引入不同敏感性水平间的蒙特卡洛方差。第三个敏感性维度——即最大连通分量（LCC）分数崩溃阈值的选择——已在第2.3.5节中作定性报告，并在第4.4节中结合该框架的其他有限性进一步讨论。

结果

长达数十年的生态破碎化轨迹
基于六期CLCD影像的MSPA-lite量化分析表明，2000年至2023年间，三省交界的客家地区景观整体呈现出非线性的破碎化趋势。核心斑块总面积（定义为面积≥5 km2的连通植被组分）从2000年的44,485 km2减少至2023年的37,888 km2，净减少总量达6,597 km2，即减少了14.8%。核心斑块面积在2000年为44,485 km2，到2010年小幅增加至45,772 km2，增幅为2.9%，随后在2015年下降至41,919 km2，2020年进一步降至37,806 km2。2020年至2023年间面积略有回升，增加了82.3 km2，约0.2%。2020年总计37,806 km2与表1中报告的三个CEPZ数值之和一致。斑块数量从2000年的116个增加到2020年的233个，2023年为229个。平均斑块面积从2000年的383.5 km2下降至2020年的162.3 km2，降幅约为57.7%，四舍五入后约为58%（图3）。

区域分解使格局更加清晰。赣州CEPZ是面积最大的区域，拥有最大的绝对植被面积（2020年为16,578 km2）和最多的斑块数量（144个斑块；平均面积115 km2）。梅州CEPZ是地域范围最小的区域（15,853 km2），保留了56个斑块，平均面积为107 km2，表明其城乡交界带呈现高度分割的镶嵌格局。闽西CEPZ则表现为相反的极端情况：33个斑块，平均面积达461 km2，与相对连续的高海拔森林覆盖特征一致。因此，这些区域在研究区内表现出显著不同的破碎化格局，这对第3.2节和第3.4节中的网络比较分析具有重要意义。

双层网络拓扑结构与耦合
在构建双层超网络之前，首先独立分析了遗产层 G_H。基于23项国家级非物质文化遗产项目的5 km带宽核密度曲面，形成了三个主要的密度聚集区：弥散状的赣州山脊、位于永定—南靖土楼带上方的紧凑型闽西高峰，以及位于梅县区上方的梅州高峰（图4A）。通过Delaunay figure-results-1 KNN（k = 4）联合方法构建的G_H包含73条边、平均度为6.35、网络密度为0.289、仅有一个连通分量，直径为4（图4B）。节点平均度排序为：梅州（7.0） > 闽西（6.5） > 赣州（5.9）；而仅考虑遗产属性的特征向量中心性排序则以闽西领先（0.237），其次为赣州（2.4 × 10⁻4），最后为梅州（2.1 × 10⁻5）（图4C和4D）。该仅基于遗产的分布模式将在图5和图6中与生态层及超网络结果进行对比。

2020年的生态图G_E包含233个节点和799条最小成本路径廊道边。该网络为单一连通组分，密度为0.030，平均度figure-results-2kfigure-results-3 = 6.86，平均聚类系数为0.083；以边数衡量的直径为12，斑块对之间的平均最短路径长度为2,212（累积阻力单位）。遗产图G_H包含23个节点和73条边（Delaunay三角网与KNN-4的并集），平均度为6.35，且为单一连通组分。23个遗产节点的空间分布及其耦合的层间边揭示了三个主要的非物质文化遗产集群——以龙南–安远为中心的赣州集群、以永定–南靖土楼区域为中心的闽西集群，以及以梅县区为中心的梅州集群（图5A）。

对 G_E 进行的中心性分析发现，全部前15个特征向量枢纽均位于梅州 CEPZ 内（斑块编号 194–219），其中斑块 211（一个面积为 9.3 km2 的梅州市中心核心区）以特征向量值 0.37 和 PageRank 值 0.006 居首。显著的特征向量集中性反映了密集的廊道组织，这些廊道通过低成本基质将梅州面积较小且几何上聚集的森林斑块相互连接（图 5C）。相比之下，赣州的平均特征向量中心性仅为 1.6 × 10⁻4，闽西为 1.9 × 10⁻5，比梅州的 7.3 × 10⁻2 低三个数量级。然而，介数中心性分布更为均匀：赣州的平均介数中心性最高（0.034），因其较大的斑块数量导致更多最短路径穿过结构上处于中间位置的节点。这种特征向量中心性（以梅州为主导）与介数中心性（以赣州为重心）之间的不匹配，是三区拓扑结构的一个显著标志。

生态单层中心性显示出特征向量中心性与介数中心性的对比（图6）。2020年G_E网络包含一个紧凑的梅州枢纽复合体和一个更为分散的赣州结构（图6A）。其度分布呈右偏态，平均度为6.86，在P193-P219斑块中最大度为12（图6B）。斑块面积与单层特征向量中心性呈负相关（Spearman ρ = −0.21），因此中心性最高的斑块通常是较小的梅州核心区，而非较大的闽西斑块（图6C）。区域意味着位置。梅州在特征向量中心性和PageRank上最高，而赣州在介数中心性上最高（图6D）。由于这些子图仅使用G_E网络，梅州的格局在层间耦合之前即已存在；与超网络的比较表明，耦合并非其唯一来源。

在基线规则下耦合 G_H 和 G_E 产生了 42 条跨层边：35 条严格的 10 公里连接边和 7 条备用连接边。233 个生态斑块中有 29 个（12.4%）以及全部 23 个 ICH 节点至少拥有一条跨层连接（ICH 节点到生态斑块的平均连接度 = 1.83；最大值 = 5）。均值归一化对称超邻接矩阵的谱半径为 19.6481。此前误标的一个节点级中心性数值已从特征值报告中移除。耦合的区域分解结果显示，梅州、赣州和闽西的平均生态连接值分别为 2.33、1.91 和 1.17。这些描述性结果表明，在指定的距离-备用规则下，梅州是耦合强度最高的区域。

渗流韧性阈值
首先在映射的遗产清查图 G_H 上计算了分层的渗流曲线（图7）。在四种渐进式攻击下，剩余节点归一化的最大连通分量（LCC）比率在随机移除、介数移除和特征向量移除条件下下降最慢：阈值分别为 0.96、1.00 和 1.00，而基于度的移除条件下的阈值为 0.74（图7A）。全局效率阈值分别为：随机移除 0.86，特征向量移除 0.83，基于度的移除 0.57（图7B）。这些结果表明，所表示的遗产清查图对随机节点移除具有较高的结构鲁棒性，而对高度节点的移除更为敏感。共识阈值为 f_C(H) = 0.925（图7C）；该值并不衡量映射图之外遗产实践的持续性。

在四种渐进式节点移除方案（第2.3.5节）下，对双层网络进行渗流攻击产生了显著的不对称性（图8）。生态层的阈值分别为0.62（随机）、0.70（度）、0.44（介数）和1.00（特征向量），对应的f_C值为0.690（表4）。遗产清查层的阈值分别为0.96、0.74、1.00和1.00，对应的f_C值为0.925。两者之差Δf_C = 0.235，表明在四种攻击规则中的三种下，生态网络完整性的模拟丧失更早发生。在基于度的移除方案中，生态层和遗产清查层分别在被移除节点比例达到0.70和0.74时，其S(k)值降至0.5。梅州市包含了特征向量攻击最早选中的生态节点；这一关联反映的是模型拓扑结构内的关系，而非现实世界中因果级联的证据。

原始阈值比较受网络密度的影响。根据报告的节点和边的数量，生态网络的密度为 2 × 799/(233 × 232) = 0.0296，而遗产名录网络的密度为 2 × 73/(23 × 22) = 0.2885。将共识阈值除以密度后，生态层为 23.3，遗产名录层为 3.21，比值约为 7.3:1。这种描述性归一化表明，较高的遗产名录原始阈值部分反映了其更密集的网络结构。由于“阈值/密度”是一种比较性诊断指标，而非干预效应，因此不应单独将其解释为增加连接边或保护节点会产生特定政策效果的证据。

只有在特征向量攻击规则下，两个层级才表现出相当的鲁棒性（均≥0.98）。随机攻击、度攻击和介数攻击在生态层上比在遗产清单层上更早地定位到模拟的崩溃点。三种攻击模式下结果的一致性支持了在所分析的网络结构和攻击定义范围内，该方向性结果具有稳定性，但并不意味着超出这些条件之外存在普遍的因果有效性。

恢复优先级制图
用于RPI制图的2020年生态廊道网络包含233个核心斑块之间的799条最小成本路径边（图9A）。廊道长度平均为28.75 km，中位数为21.08 km，第90百分位数为52.20 km，最大值为266.1 km（图9B）。累积成本同样呈右偏分布，均值为563.3，中位数为259.6，第90百分位数为651.0阻力-米当量（图9C）。图9D中长度与成本之间的正相关关系表明，穿越距离是模型成本的重要组成部分；局部阻力、可行性及实地状况仍是评估任何恢复廊道所必需的因素。基于233个核心斑块的综合RPI评分呈现出重尾分布（均值 = 0，σ = 0.52，最小值 = −2.71，最大值 = 1.83）。47个斑块（20.2%）属于分析一级（RPI ≥ 0.290），46个（19.7%）属于高优先级层级（−0.184 ≤ RPI < 0.290），140个（60.1%）属于中等优先级层级。在一级斑块中，梅州占56个中的22个，赣州占144个中的20个，闽西占33个中的5个。将两个较高分析层级合并后，梅州233个斑块中有42个，赣州有35个，闽西有16个。这些层级是在指定RPI权重下的相对排序，而非规定性的保护价值分类（图10）。廊道RPI评分最高的前15%包含119条廊道。在排名前20的斑块中，15个位于梅州，3个位于赣州，2个位于闽西；这些斑块合计覆盖面积277 km2。其排名反映了超特征向量中心性、负向斑块面积项、ICH耦合以及隔离成本的综合作用。图10A展示了该模型推导出的子集。该排名并非最终的恢复计划，应结合生态状况、可行性、土地权属、成本以及利益相关方的优先事项进行综合考量。

表5总结了三个CEPZ中分析优先级的分级分配情况。梅州在22个斑块中拥有504.1 km2的一级区域，赣州在20个斑块中拥有439.9 km2，闽西在5个斑块中拥有53.2 km2。梅州的平均RPI值也最高（+0.339）。梅州高等级区域的总面积（4,095.7 km2）远大于一级区域，这反映了RPI公式中的负面积项，该参数会提高小型枢纽斑块的相对得分。这些结果描述了模型下的结构优势情况；但并不表示具有内在的保护价值，也不意味着必须按此分配恢复资源。

情景模拟与敏感性分析
四种情景产生了不同的模型结果（表6）。情景S1重现了基线共识阈值0.690。情景S2移除了所有中等层级的斑块，使阈值降至0.011，模型预测下降幅度达98.4%。该结果表明被归类为中等层级的斑块在拓扑结构中具有显著贡献，但并不构成此类损失必然发生的实证，也不规定具体的恢复优先级。情景S3和S4的共识阈值仍为0.690，因其仅改变了边权重而未改变拓扑结构。根据此渗透定义，降低阻力可提高加权效率，但不会改变拓扑阈值。因此，增加或重新连接踏脚石斑块是模型推导出的同时改变拓扑结构与效率的一种可选策略，而非强制性干预措施（图11）。

梯度斑块损失情景产生了非线性的模型响应。移除25%的中等级别斑块使共识阈值从0.690降至0.593（−14.0%）；移除50%时阈值为0.483（−30.0%）；移除75%时为0.312（−54.8%）；移除100%时为0.011（−98.4%）。在25–50%、50–75%和75–100%区间内，模型预测的边际下降幅度逐步增加。在这些模拟中，保留至少一半的中等级别斑块与维持超过70%的基础阈值相关；此为模拟结果，而非对现实世界崩溃的预测。计算了加权全局效率（E_glob），因为基于LCC的阈值对边权重的变化不敏感。基础E_glob为0.017230。S3方案将其提高至0.018628（+8.1%），S4方案提高至0.017754（+3.0%）。这些模型结果表明，尽管拓扑渗流阈值未变，加权连接性仍有所改善。因此，电阻降低与拓扑扩展影响不同的网络特性，且本分析未确立任何普遍更优的干预措施。

敏感性分析支持在测试参数范围内排名的稳定性。将四个RPI权重分别扰动±0.05和±0.10时，Spearman ρ值仍保持在≥0.97。将耦合半径分别设置为5、10、15和20 km时，严格半径边的数量相应变化为8、35、63和101；在10 km处的42条边基准值中，包含35条严格半径连接和7条备用连接。与10 km基准值相比，参与系数在15 km时的相关性为ρ = 0.73，在20 km时为0.54，在5 km时为0.27。在15 km时，前20个RPI斑块中保留了17个，在20 km时保留了15个。这些结果表明参数具有一定敏感性且排名部分稳定；但并不能证明在测试网络之外具有无限制的可迁移性（图12）。

数据可用性：
中国土地覆盖数据集可从 Zenodo 获取（https://doi.org/10.5281/zenodo.4417810）。国家级非物质文化遗产名录由中华人民共和国国务院发布，行政边界数据可从中国国家地理信息中心获取。衍生的网络矩阵、渗流分析结果及分析代码已存入 Zenodo（https://doi.org/10.5281/zenodo.21732093）。

figure-results-4
图1研究区域与CEPZ布局。 (A) 位于赣南、闽西和粤东的三个国家级综合防灾减灾区的位置。B23项国家级ICH项目在CLCD 2020土地覆被上的分布情况。C) 按批号记录ICH计数。D) ICH 类别构成。地图 使用 Open Street Map 绘制 贡献者 作为 的 底图 行政的 边界 和 全部 标签， 符号， 和 主题的 层 是 添加 或 编译 由 的 作者 面板 (C) 和 (D) 是 制备完成 由 的 作者 基于 在 的 研究 数据集 请点击此处以查看此图的放大版本。

figure-results-5
图 2： DEHN 框架的分析工作流程。 五个并行流程分别表示用于构建和评估网络的数据整合、双层推导、耦合、诊断和输出。 请点击此处查看该图的放大版本。

figure-results-6
图3：2000–2023年期间三-CEPZ景观上的MSPA-lite破碎化轨迹。 （A）按年份和区域划分的核心斑块空间分布。（B）核心斑块总面积、边缘面积和植被总面积的时间变化趋势。（C）核心斑块数量与核心斑块总面积。请点击此处查看该图的放大版本。

figure-results-7
图423项国家级非物质文化遗产的传承层次分析 (A核密度曲面。B) Delaunay-KNN 邻接图 G_H。C) 介数中心性最高的十个节点。D) CEPZ 计算的中心性指标。 请点击此处以查看此图的放大版本。

figure-results-8
图5： 2020年的双层超网络。 （A）层间耦合的空间布局。（B）ICH层间度分布。（C）具有最高超特征向量中心性的20个节点。（D）全部256个节点的参与系数与超特征向量中心性之间的关系。 请点击此处查看该图的放大版本。

figure-results-9
图6： 基于G_E的生态层次中心性分析。 （A）2020年景观的空间格局。（B）度分布。（C）斑块面积与特征向量中心性之间的关系。（D）按区域划分的中心性指标。 请点击此处查看该图的放大版本。

figure-results-10
图7： 在针对性攻击下遗产-库存-层的渗流特性。 （A）在四种攻击规则下，最大连通分量（LCC）比率随被移除节点比例的变化。 （B）全局效率衰减情况。 （C）特定攻击及共识阈值。 请点击此处查看此图的放大版本。

figure-results-11
图8： 四种攻击方案下的生态层渗流。 （A）随机攻击。（B）针对性攻击。（C）跨层阈值比较。请点击此处查看该图的放大版本。

figure-results-12
图9： 2020年生态廊道网络。（A）阻力面。（B）799条最小成本路径廊道。（C）累积成本分布。（D）廊道长度与成本关系。请点击此处查看该图的放大版本

figure-results-13
图10： 恢复优先级指数制图。 （A）RPI值的空间分布及前15%的廊道。（B）按CEPZ划分的分析层级构成。（C）按区域划分的RPI分布。（D）排名前20位斑块的组分分解。 请点击此处查看该图的放大版本。

figure-results-14
图11： 生态层鲁棒性的场景模拟。 （A）四种场景下的渗流曲线。（B）共识临界阈值的比较。请点击此处查看该图的放大版本。

figure-results-15
图12： 敏感性分析。（A）RPI权重扰动下的Spearman秩相关性。（B）不同耦合半径下的参与系数稳定性。请点击此处查看该图的放大版本。

属性Ganzhou CEPZMinxi CEPZMeizhou CEPZ总计
省份JiangxiFujianGuangdong—
面积 (km²)39,34119,35315,85374,547
县级行政单位18个县6个县9个县 + 1个区34
国家级非物质文化遗产项目数量（项）116623
客家相关非物质文化遗产项目数量（项）75517
主要非物质文化遗产类别民间习俗、传统技艺表演艺术、民间习俗表演艺术、传统技艺—
核心生态斑块（≥ 5 km²，2020年）1443356233
核心斑块总面积（km²，2020年）16,577.6015,214.106,014.0037,805.70

表1：三个客家文化生态保护区及其非物质文化遗产名录概述。 该表格比较了赣州、闽西和梅州在地理范围、行政覆盖范围及国家级非物质文化遗产数量方面的差异。

数据类型来源分辨率 / 单位时间参考文献
土地覆盖（LULC）中国土地覆盖数据集（CLCD），武汉大学30 m 栅格2000/05/10/15/20/23Yang and Huang (2021)
国家级文化生态保护区（CEPZ）边界中华人民共和国文化和旅游部（MCT）国家级名录矢量多边形2013–2020（公布时间）MCT (2020)
国家级非物质文化遗产名录中国国务院非物质文化遗产国家级名录（第1–5批）点位（县级行政中心）2006–2021国务院 (2021)
行政边界中国国家地理信息中心（NGCC）矢量多边形2020NGCC (2020)
坐标系阿尔伯斯等积圆锥投影（lon₀ = 105°, φ₁ = 25°, φ₂ = 47°）———

表2： 主要数据来源。 该表格列出了每个数据集的提供方、空间或时间分辨率，以及其在分析流程中的作用。

CLCD 类型阻力值依据
森林 (2)1基础生境；渗透性最高
灌丛 (3)5渗透性高；次生演替阶段
草地 (4)10中等渗透性
水体 (5)30对水生物种局部可渗透；对陆生物种形成屏障
耕地 (1)50半人为基质
冰/雪 (7)200高海拔屏障
不透水面 (8)500对生物流动构成完全屏障
无数据 (0)100中性占位符

表3： 土地覆盖阻力值。 本表格列出了为最小成本廊道模型中每个CLCD类别所分配的阻力值。

攻击规则生态功能 f*遗产功能 f*Δ (H − E)
随机攻击（500 次均值）0.620.960.34
按度降序0.70.740.04
按介数中心性降序0.4410.56
按特征向量中心性降序110
共识方法（均值）0.690.9250.235
密度归一化（f_C/密度）23.33.21−20.09
随机攻击标准差0.0580.0820.024

表4：2020年生态与遗产清查图层的渗透临界阈值。 特定攻击下的数值及其共识值总结了在剩余节点最大连通分量（LCC）归一化条件下结构的稳健性。

CEPZ总斑块数第一等级（排名最高）(n / km²)高等级 (n / km²)中等级 (n / km²)平均 RPI
Ganzhou14420 / 439.915 / 475.3109 / 15,662.5−0.103
Minxi335 / 53.211 / 123.017 / 15,037.9−0.124
Meizhou5622 / 504.120 / 4,095.714 / 1,414.20.339
All three CEPZs23347 / 997.246 / 4,694.0140 / 32,114.60

表5： 三个CPEZ之间RPI等级的分配情况。 斑块数量、面积和平均RPI值反映了各分析等级在不同区域中的比较分布。

情景描述共识 f*Δ 与 S1 比较
S1基线（未修改的 G_E）0.690
S2中等层级损失（移除 140 个斑块）0.011−0.679
S3将第一层级（排名最高）至第一层级（排名最高）边的代价减半0.690
S4将前 119 条廊道的代价降低 40%0.690
S2a（移除 25% 中等斑块）移除 140 个中等斑块中的 35 个0.593-0.097
S2b（移除 50% 中等斑块）移除 140 个中等斑块中的 70 个0.483-0.207
S2c（移除 75% 中等斑块）移除 140 个中等斑块中的 105 个0.312-0.378
加权全局效率S1=0.0172，S3=0.0186（+8.1%），S4=0.0178（+3.0%）见正文-

表6： 情景模拟共识渗流阈值。 该表格比较了基线、斑块丧失、节点恢复和廊道恢复模型的结果。

保护区节点边密度随机攻击（均值 ± 标准差；n = 500）度中心性介数中心性特征向量中心性共识性
Ganzhou1443590.0350.420±0.0790.3260.1180.6320.374
Minxi33890.1690.686±0.1620.3640.2421.0000.573
Meizhou561430.0930.464±0.1200.2500.1790.2500.286

表7： 各储备区渗透阈值。 该表格分别报告了赣州、闽西和梅州的特定攻击阈值和共识阈值。

讨论

形态与网络诊断的三区分解揭示了生态格局存在显著的空间异质性49。赣州的植被面积和斑块数量最大，但平均斑块面积最小；而闽西保留了最大的平均斑块（461 km2），与相对连续的武夷山边缘森林格局一致。梅州在较小的区域内包含56个斑块，表现出最高的生态特征向量枢纽集中度。CLCD变化分析表明，核心斑块面积总体呈非线性变化趋势。核心斑块面积从2000年的44,485 km2增加到2010年的45,772 km2，随后下降至2015年的41,919 km2和2020年的37,806 km2。2010–2020年间减少了7,966 km2，相当于2010年核心斑块面积的17.4%。2023年核心斑块面积为37,888 km2，较2020年小幅增加了82.3 km2。然而，2000–2023年总体减少了6,597 km2，即14.8%。植被核心斑块转为耕地占净核心损失的38%，与交通、水库和工业用地足迹相关的转化占31%，转为不透水地表占22%，其他已绘制的转化类型占9%。赣州、梅州和闽西分别贡献了净损失的52%、35%和13%。这些是土地覆被核算结果及描述性关联；城市化、基础设施建设、果园投资、人口减少和政策过程可能是合理的背景解释，但并未作为因果驱动因素进行直接检验50。

基于保护区的渗透分析还揭示了模拟生态稳健性方面存在显著差异。共识阈值在赣州为0.374，闽西为0.573，梅州为0.286；而在500次模拟重复中，随机攻击的中位阈值分别为0.410、0.667和0.446。相比之下，表7 报告了相应的平均值±标准差，分别为0.420 ± 0.079、0.686 ± 0.162和0.464 ± 0.120。因此，在指定的网络构建和攻击规则下，闽西表现出最高的模拟稳健性，而梅州最低。赣州的不透水基质较大，内部核心区相对完整，且平均介数中心性较高（0.034），表明最短路径流量更为集中。相比之下，梅州在局部密集的子图中包含许多小斑块，并表现出更强的特征向量中心性和局部枢纽集中性。这些差异描述了模拟廊道网络的拓扑结构，而非证明开发压力或人口减少导致了所观察到的模式51,52。

在三个区域中，生态层与已测绘的文化遗产名录层表现出不同的结构阈值。生态层在移除节点比例达到0.690时达到模型预测的崩溃点，而文化遗产名录层的崩溃点为0.925，两者相差0.235。在随机攻击、度攻击和介数攻击下，生态层的阈值较低；只有在基于特征向量的攻击下，两层才表现出相近的鲁棒性。这种不对称性表明，在所构建的图结构中，生态廊道的完整性是耦合系统中更为严格的结构限制因素53。然而，文化遗产层仅包含23项已测绘的国家级非物质文化遗产项目，不应将其解读为对文化实践连续性、活力或地理覆盖范围的直接度量。较高的文化遗产层阈值也部分归因于其更高的图密度（0.289，而生态层为0.030）。经密度归一化后的阈值可用于本研究内部的描述性比较，但不应将其解释为增加边密度或保护特定数量节点将产生可预测政策效果的证据54。

基线耦合程度有限且空间分布不均：共42条跨层连接将全部23个ICH节点与29个生态斑块相连，其中包括35条严格半径范围内的连接和7条最近斑块回退连接。梅州的ICH-生态连接均值最高（2.33），并集中了最多的生态枢纽，使其在模拟网络中既具有强耦合性，又在结构上高度敏感55。各层之间的差异在中心性排序中也有所体现：闽西在仅考虑遗产层的特征向量中心性排序中位居第一，而梅州则在生态层和超网络排序中领先。这种反转表明，引入跨层耦合后，单层排序可能发生改变。然而，结果并未表明某一区域应自动获得优先地位。在梅州，规划者可评估保护或恢复小型但高度中心化的斑块；在赣州，可结合城郊土地利用限制，重点考察具有高介数的中等规模斑块；而在闽西，相较于增加大量小型斑块，对大面积连续核心区域进行缓冲保护和整合可能更具现实意义56。所有这些方案均需通过实地验证，并开展可行性与成本评估、土地产权分析以及利益相关方的参与。

情景分析阐明了加权效率与拓扑鲁棒性之间的区别57。移除所有中等级别斑块后，共识阈值从0.690降至0.011；而在逐步丧失情景中，当分别移除25%、50%、75%和100%的中等级别斑块时，产生的阈值分别为0.593、0.483、0.312和0.011。这些结果表明，即使处于最高分析等级之外的斑块仍可能对拓扑结构产生重要贡献。相比之下，在第一等级和最高优先级廊道恢复情景中降低边权重并未改变未加权的渗透阈值，尽管加权全局效率分别提高了8.1%和3.0%。因此，阻力降低与拓扑扩展影响的是不同的网络属性：前者可能改善模型中的流动效率，而后者则是在当前定义下改变阈值所必需的58。在测试的权重扰动下，RPI排序保持高度稳定（Spearman’s ρ ≥ 0.97），但耦合半径的变化仅产生部分稳定性，表明这些优先级更适合作为筛选性输出，而非确定性的恢复方案。

本研究存在若干局限性，这些局限性限制了结果的解释，并指出了未来研究的方向。首先，阻力面仅基于土地覆被数据构建，由于研究区域缺乏完整的数字高程模型（DEM）覆盖，尚未纳入坡度和地形湿度等修正因子；未来分析中应加入这些地形参数，以检验梅州枢纽格局是否依然存在59。其次，非物质文化遗产（ICH）项目被定位至县级行政中心，掩盖了县域内部的空间变异，可能影响多层网络耦合关系的准确性；因此，亟需在梅州等重点区域开展村级调查，以提升空间表征精度60。第三，多层网络分析仅针对2020年的横断面数据，尽管生态破碎化过程的时间序列已从2000年记录至2023年；若能重建各基准年份的生态与耦合网络，将有助于增强时序推断能力61。第四，当前情景分析为确定性模拟，未引入PLUS或FLUS等土地利用预测模型；未来研究可整合随机性土地利用模拟、生态修复成本、生态系统状况、生态系统服务供给能力，以及非物质文化遗产实践延续性的评估指标；同时，将遗产层扩展至包含省级非遗项目，有助于揭示更精细尺度上的文化–生态关联62。因此，DEHN框架应被视为一种可重复的比较诊断工具：它能够识别结构脆弱性及潜在干预区位，但将其应用于其他文化生态保护区（CEPZ）或文化景观时，需基于本地重建的网络结构、统一的干扰协议、实地验证结果，并明确纳入治理机制与社区优先事项的考量63。

披露

作者声明，他们不存在任何已知的可能影响本文报道工作的竞争性经济利益或个人关系。作者未报告任何潜在的利益冲突。

致谢

作者使用 ChatGPT 5.2 辅助完成手稿翻译、学术用语润色及语法修改。所有分析性解读、数据分析及核心学术论点均由作者独立完成并核实。

材料

本文使用的材料清单
姓名公司目录编号评论
行政边界数据中国国家地理信息中心中国行政边界数据集；https://www.ngcc.cn/
ARPACK 特征值求解器通过 SciPy 使用 ARPACK-NGscipy.sparse.linalg.eigsh；https://github.com/opencollab/arpack-ng
中国土地覆盖数据集（CLCD）中国武汉大学 / Zenodo30 米年度数据集；记录号 4417810；https://zenodo.org/records/4417810
文化生态保护区名录中国文化和旅游部国家CEPZ登记处；https://www.mct.gov.cn/
Delaunay 三角剖分与k近邻分析SciPy / NetworkX遗产邻接网络构建；k = 4
高德POI服务高德地图 / 高德在线兴趣点服务；https://lbs.amap.com/
GeoPandasGeoPandas 开发者 / PyPI版本 0.14；https://geopandas.org/
谷歌地球影像GoogleGoogle Earth 影像；https://earth.google.com/
核密度估计Python 科学计算环境500 米网格；5 公里带宽
最小成本路径算法scikit-image 项目通过 route_through_array 实现 Dijkstra 算法
国家级非物质文化遗产名录中华人民共和国国务院国家级清单，批次1-5
NetworkXNetworkX 开发者 / PyPI版本 3.2；https://networkx.org/
PythonPython 软件基金会Version 3.11；https://www.python.org/
rasterioRasterio 开发者 / PyPI版本 1.3；https://rasterio.readthedocs.io/
scikit-imagescikit-image 开发者 / PyPIskimage.graph.route_through_array；https://scikit-image.org/
SciPy 稀疏矩阵SciPy 社区scipy.sparse；https://scipy.org/
航天飞机雷达地形测绘任务数字高程模型NASA / 美国地质调查局SRTM 数字高程模型；仅初步评估；研究区覆盖不完整
Zenodo 分析代码库Zenodo代码、衍生矩阵和输出结果；https://doi.org/10.5281/zenodo.21732093

参考文献

  1. Dadashpoor H, Azizi P, Moghadasi M. Land use change, urbanization, and change in landscape pattern in a metropolitan area. Sci Total Environ. 2019;655:707-19.
  2. Dong X, et al. Spatio-temporal assessment of landscape ecological risk and its influencing factors in Jiangxi Province, China. Environ Monit Assess. 2025;197(4):480.
  3. Nowicka K. The Heritage Given: cultural landscape and heritage of the Vistula Delta Mennonites as perceived by the contemporary residents of the region. Sustainability. 2022;14(2):915.
  4. Feng B, Li D, Zhang Y, Xue Y. Progress and analysis on the management effectiveness evaluation of protected area based on Aichi Biodiversity Target 11th in China. Biodivers Sci. 2021;29(2):150-9.
  5. Chen Y, Hung Y, Chen X. Ecological asset accounting methods and applications of agricultural cultural heritage sites—taking the Ancient Tea Forest Cultural Landscape of Jingmai Mountain in Pu'er as an example. J Resour Ecol. 2025;16(2):472-86.
  6. Zeng X, et al. Impacts of land use and land cover change on the landscape pattern and ecosystem services in the Poyang Lake Basin, China. Landsc Ecol. 2024;39:183.
  7. Wang H, et al. Spatial-temporal pattern analysis of landscape ecological risk assessment based on land use/land cover change in Baishuijiang National Nature Reserve in Gansu Province, China. Ecol Indic. 2021;124:107454.
  8. Zhang Q, Zhu L, Fu H. Spatiotemporal correlation analysis of landscape pattern and habitat quality in and around China’s Tropical Rainforest National Park. Forests. 2024;15(12):2070.
  9. Gu L, Yan J, Li Y, Gong Z. Spatial-temporal evolution and correlation analysis between habitat quality and landscape patterns based on land use change in Shaanxi Province, China. Ecol Evol. 2023;13(11):e10657.
  10. Wen C, Qiu Y, Wang L. Identifying key locations of the ecological-barrier system to support conservation planning: a study of the Sanjiangyuan National Park. Forests. 2024;15(7):1202.
  11. Saura S, Pascual-Hortal L. A new habitat availability index to integrate connectivity in landscape conservation planning: comparison with existing indices and application to a case study. Landsc Urban Plan. 2007;83(2-3):91-103.
  12. Pascual-Hortal L, Saura S. Comparison and development of new graph-based landscape connectivity indices: towards the priorization of habitat patches and corridors for conservation. Landsc Ecol. 2006;21(7):959-67.
  13. Dai L, Wang Z. Construction and optimization strategy of ecological security pattern based on ecosystem services and landscape connectivity: a case study of Guizhou Province, China. Environ Sci Pollut Res Int. 2023.
  14. Li S, et al. Integrating ecosystem services modeling into the effectiveness assessment of national protected areas in a typical arid region in China. J Environ Manage. 2021;297:113408.
  15. Zhang T, Zhang B. Spatiotemporal characteristics of ecosystem service value and its correlation with landscape patterns: a case of Bohai coastal wetland in Shandong Province. In: 2022 29th International Conference on Geoinformatics. 2022.
  16. Hong Z, et al. Identifying rural landscape heritage character types and areas: a case study of the Li River Basin in Guilin, China. Sustainability. 2024;16(4):1626.
  17. Zhao S, Yang D, Gao C. Identifying landscape character for large linear heritage: a case study of the Ming Great Wall in Ji-Town, China. Sustainability. 2023;15(3):2615.
  18. Wang N, et al. Research on the conservation and utilization of landscape heritage in modern urban parks in Shenyang, China. Sustainability. 2023;15(23):16202.
  19. Xu W. Ecological integrity evaluation of organically evolved cultural landscape. Mob Inf Syst. 2022;2022:9554359.
  20. Hamonic F, Vaxès Y, Couëtoux B, Albert CH. GECOT: graph-based ecological connectivity optimization tool. Methods Ecol Evol. 2025.
  21. Zhang L, He L, Yan F, Chen Y. Amphibian habitat network planning based on the graph theory: a case study of Pelophylax nigromaculata. Ying Yong Sheng Tai Xue Bao. 2021;32(3):1027-36.
  22. Qiu C, et al. Structural vulnerability analysis and systematic restoration framework of the wintering ecological network for Grus japonensis in Yancheng coastal wetlands (1987-2021). Landsc Ecol. 2025;40:187.
  23. Han Q, Zhang P, Keeffe G, Zhang S. Evaluating and improving the connectivity of China's protected area networks for facilitating species range shifts under climate change. J Environ Manage. 2025;373:123535.
  24. Qi K, Fan Z, Xie Y. The influences of habitat proportion and patch-level structural factors in the spatial habitat importance ranking for connectivity and implications for habitat conservation. Urban For Urban Green. 2021;64:127239.
  25. Mazur A, Kurowska K. The impact of natural and cultural resources on the development of rural tourism: a case study of Dobre Miasto Municipality in Poland. Sustainability. 2025;17(13):5847.
  26. Krajnik D, Krajnik LP, Bilušić BD. An analysis and evaluation methodology as a basis for the sustainable development strategy of small historic towns: the cultural landscape of the settlement of Lubenice on the Island of Cres in Croatia. Sustainability. 2022;14(3):1564.
  27. Cantasano N, et al. Can ICZM contribute to the mitigation of erosion and of human activities threatening the natural and cultural heritage of the coastal landscape of Calabria? Sustainability. 2021;13(3):1122.
  28. Jia L, Liu Z, Li Y. Spatiotemporal dynamics of rural settlement evolution in Guangdong Province, China. Sci Rep. 2025;15:21177.
  29. Li K, Zhang G. Species diversity and distribution pattern of heritage trees in the rapidly-urbanizing province of Jiangsu, China. Forests. 2021;12(11):1543.
  30. Xin L, Wang Y, Tong J. Strategies for improving the tourism landscape of agricultural cultural heritage in grain field system. Landsc Archit. 2024;31(12):12-9.
  31. Pickerill T. Investment leverage for adaptive reuse of cultural heritage. Sustainability. 2021;13(9):5052.
  32. Yang L, et al. Theory and case of land use transition promoting ecological restoration in karst mountain areas of Southwest China. Ecol Indic. 2024;158:111393.
  33. Feng C, et al. Improving protected area effectiveness through consideration of different human-pressure baselines. Conserv Biol. 2022;36(4):e13887.
  34. Liu F, et al. Effectiveness of functional zones in National Nature Reserves for the protection of forest ecosystems in China. J Environ Manage. 2022;308:114593.
  35. Chen J, et al. Effectiveness of China’s protected areas in mitigating human activity pressure. Int J Environ Res Public Health. 2022;19(15):9335.
  36. Li B, Zhou Z, Wu T, Luo J. Fine-grained land use remote sensing mapping in karst mountain areas using deep learning with geographical zoning and stratified object extraction. Remote Sens. 2025;17(14):2368.
  37. Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019. Earth Syst Sci Data. 2021;13:3907-25.
  38. Liu J, et al. Prediction of land use for the next 30 years using the PLUS model's multi-scenario simulation in Guizhou Province, China. Sci Rep. 2024;14:13143.
  39. Zhu Y, Jin H, Zhong L. Temporal and spatial changes of biodiversity in Caverns of Heaven and Places of Blessing, Zhejiang Province, China from 1990 to 2020. Nat Conserv. 2022;48:1-29.
  40. Huo J, et al. A multi-scenario simulation and optimization of land use with a Markov-FLUS coupling model: a case study in Xiong’an New Area, China. Sustainability. 2022;14(4):2425.
  41. Ye Y, et al. Coupling the PLUS-InVEST model for multi-scenario land use simulation and carbon storage assessment in Northern Anhui, China. Sustainability. 2025;17(9):4185.
  42. Zheng Z, et al. Lacustrine wetlands landscape simulation and multi-scenario prediction based on the patch-generating land-use simulation model: a case study on Shengjin Lake Reserve, China. Remote Sens. 2024;16(22):4169.
  43. Wang G, et al. Assessment of changes in river flow and ecohydrological indicators from the viewpoint of changing landscape patterns in the Jialing River Basin, China. Ecohydrology. 2025, 18(1).
  44. Gu M, et al. Multi-scenario simulation of land use change based on MCR-SD-FLUS model: a case study of Nanchang, China. Trans GIS. 2022;26:2772-91.
  45. Zhao W, Li P, Yang B. New insight into the spatiotemporal distribution and ecological risk assessment of endocrine-disrupting chemicals in the Minjiang and Tuojiang rivers: perspective of watershed landscape patterns. Environ Sci Process Impacts. 2024;26(8):1360-72.
  46. Ding M, Yin X, Pan S, Liu P. Multi-objective spatial optimization of protective forests based on the non-dominated sorting genetic algorithm-II algorithm and future land use simulation model: a case study of Alaer City, China. Forests. 2025;16(3):452.
  47. Ma S, Huang J, Wang X, Fu Y. Multi-scenario simulation of low-carbon land use based on the SD-FLUS model in Changsha, China. Land Use Policy. 2025;148:107418.
  48. Li H, et al. Spatiotemporal evolution of land use and carbon storage in China: multi-scenario simulation and driving factor analysis based on the PLUS-InVEST model and SHAP. Environ Res. 2025;279(Pt 2):121860.
  49. Jetz W, McGowan J, Pennino MG, et al. Essential biodiversity variables for mapping and monitoring species populations. Nat Ecol Evol. 2019.
  50. Winkler K, Fuchs R, Rounsevell M, Herold M. Global land use changes are four times greater than previously estimated. Nat Commun. 2021;12:2501.
  51. Gao J, Barzel B, Barabási AL. Universal resilience patterns in complex networks. Nature. 2016;530(7590):307-12.
  52. Boccaletti S, Bianconi G, Criado R, Del Genio CI, Gómez-Gardeñes J, Romance M, et al. The structure and dynamics of multilayer networks. Phys Rep. 2014;544(1):1-122.
  53. Wang Y, Zhang F, Chen WY, Meraj G, Kumar P, Chan NW, et al. Critical phase transitions and early-warning frameworks for ecological networks in typical arid regions. J Clean Prod. 2025, 531(c):146888.
  54. Guo T, Yao Y, Chen Y, Wang H, Zhang H. Establishing linear cultural heritage corridors by integrating cultural and ecological values: a case study of the Jinzhong section of the Great Tea Road. Land. 2024;13(9):1427.
  55. Dang X, et al. Resilience prediction and tipping point control of multilayer ecological networks based on dimensionality reduction method. Chaos Solitons Fractals. 2024;189:115914.
  56. Ma B, Zeng C, Lv T, Liu W, Yang W. Prioritization of ecological conservation and restoration areas through ecological networks: a case study of Nanchang City, China. Land. 2024;13(6):878.
  57. Zhang K, Pan J. Evaluation of ecological network resilience using OWA and attack scenario simulation in the Gansu section of the Yellow River Basin, NW China. Environ Res Commun. 2024, 6(8):085016.
  58. Bian F, Yeh AGO, Zhang J. Percolating spatial scale effects on the landscape connectivity of urban greenspace network in Beijing, China. Landsc Ecol Eng. 2024;20(1):33-51.
  59. Xu XM. Construction of ecological security patterns in hilly cities based on morphological spatial pattern analysis and minimum cumulative resistance models: a case study of Ganzhou, China. Appl Ecol Environ Res. 2025;23(1).
  60. Fatorić S, Seekamp E. Are cultural heritage and resources threatened by climate change? A systematic literature review. Clim Change. 2017;142(1-2):227-254. 
  61. Ward M, Saura S, Williams B, Ramírez-Delgado JP, Arafeh-Dalmau N, Allan JR, et al. Just ten percent of the global terrestrial protected area network is structurally connected via intact land. Nat Commun. 2020;11:4563.
  62. Maxwell SL, Cazalis V, Dudley N, Hoffmann M, Rodrigues ASL, Stolton S, et al. Area-based conservation in the twenty-first century. Nature. 2020.
  63. Xu H, Cao Y, Yu D, Cao M, He Y, Gill M, et al. Ensuring effective implementation of the post-2020 global biodiversity targets. Nat Ecol Evol. 2021.

重印与许可

标签

生态网络遗产网络客家文化区渗流阈值恢复优先级土地覆盖数据网络连通性文化遗产保护
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。