Remote sensing-beoordeling van veerkrachtdrempels in dubbelaardige ecologisch-erfgoednetwerken van Hakka-cultuurbeschermingszones

Samenvatting

Deze studie ontwikkelt een dubbelaags ecologisch-erfgoednetwerk voor drie Hakka culturele ecologische beschermingszones in Zuid-China. Percolatieanalyse identificeert verschillende drempelwaarden voor structurele robuustheid voor de ecologische en de in kaart gebrachte erfgoedinventaris-lagen, terwijl een Restoration Priority Index invloedrijke patches lokaliseert. Het raamwerk ondersteunt een op bewijs gebaseerde vergelijking van herstel- en monitoringsopties tussen de zones.

Samenvatting

Deze studie stelt een Dual-layer Ecological–Heritage Network (DEHN) raamwerk voor dat ecologische connectiviteit en immaterieel cultureel erfgoed modelleert als een gekoppelde bi-layer grafiek, toegepast op drie Hakka Culturele Ecologische Beschermingszones in Zuid-China (74.547 km²). Specifiek hebben de auteurs, door MSPA-lite toe te passen op landcoverdata (2000–2023), een ecologisch netwerk van 233 knooppunten en 799 verbindingen gebouwd, gekoppeld aan een erfgoednetwerk van 23 knooppunten en 73 verbindingen via een distance-decay schema van 10 km. Daarnaast onthullen percolatie-aanvallen kritieke drempelwaarden van 0,690 voor de ecologische laag en 0,925 voor de erfgoedlaag, wat aangeeft dat het ecologische netwerk eerder zijn connectiviteit verliest dan het ICH-inventarisnetwerk. Een Restoration Priority Index identificeert 47 Tier 1 (hoogst gerangschikte) en 46 hoog-prioritaire patches, waarbij Meizhou 75% van de topcategorieën concentreert. Counterfactuele simulaties laten zien dat de vermindering van verbindingstkosten de collaps-drempels verandert, terwijl het verlies van patches deze met 98,4% vermindert, wat topologische uitbreiding via nieuwe stepping-stone patches noodzakelijk maakt. Het DEHN-raamwerk biedt overal een dichtheidsgenormaliseerde vergelijking (23,3 versus 3,21), waaruit blijkt dat de ecologische laag veerkrachtiger is per eenheid connectiviteit, wat een overdraagbaar sjabloon biedt voor gekoppelde restauratieplanning in beschermde cultureel-ecologische zones. Het DEHN-raamwerk sluit aan bij Sustainable Development Goal 11.4 (“Versterk de inspanningen om het culturele en natuurlijke erfgoed van de wereld te beschermen en te behouden”) en Aichi Biodiversiteitsdoelstelling 11 (het behouden van ten minste 17% van de landgebieden). De geïdentificeerde percolatiedrempels (ecologisch f_C = 0,690, erfgoed f_C = 0,925) bieden kwantitatieve benchmarks om te beoordelen of het beheer van de CEPZ de netwerkveerkracht boven de collaps-drempel heeft behouden. De bevinding dat 47 patches (20% van het ecologische netwerk) de Tier 1 (hoogst gerangschikten) vormen, waarvan het verlies een cascade-falen zou triggeren, suggereert dat de aanwijzing van de CEPZ-grenzen — die deze topologisch kritieke patches niet prioriteert — onvoldoende kan zijn om aan de SDG 11.4-doelstellingen te voldoen. De auteurs bevelen aan dat CEPZ-beheerplannen netwerkveerkracht-drempels opnemen als monitoringindicatoren, waarbij jaarlijks wordt gerapporteerd of de consensus f_C boven de 0,50 blijft (de operationele definitie van netwerkcollaps).

Inleiding

Wereldwijd worden gekoppelde ecologische en culturele landschappen gelijktijdigten hervormd door verstedelijking, plattelandsontvolking en klimaatvariabiliteit, wat zowel de biofysische integriteit als de continuïteit van het erfgoed in gevaar brengt^1,2. Bergachtige cultuurlandschappen zijn hierbij bijzonder kwetsbaar: zij concentreren een onevenredig groot deel van het immateriële culturele erfgoed, terwijl zij de laatste aaneengesloten boskernen van vele dichtbevolkte regio's herbergen³. Duurzaamdoel 11.4 en Aichi-doelstelling 11 roepen gezamenlijk op tot het beschermen van het culturele en natuurlijke erfgoed van de wereld en de bescherming van ecologisch representatieve habitats, maar een decennium van monitoring laat zien dat deze twee doelstellingen in veel rechtsgebieden asynchroon evolueren⁴. In China wijst het nationale programma voor Culturele Ecologische Beschermingszones (CEPZ) coherente territoriale eenheden aan waarin ecologische integriteit en immaterieel erfgoed als één systeem moeten worden behouden⁵. Toch is het CEPZ-beleid, meer dan vijftien jaar na de start, bijna uitsluitend beoordeeld via inventarisgebaseerde indicatoren in plaats van via de ruimtelijke mechanismen die de twee lagen met elkaar verbinden. Het blijft echter empirisch onduidelijk op welke schaal de ecologische en erfgoedsystemen binnen CEPZ's synchroon eroderen of juist uiteengaan in reactie op verschillende stressfactoren.

Door de herorganisatie van de distributie en permeabiliteit van habitatmatrices verandert landschapsfragmentatie de connectiviteit die ten grondslag ligt aan het leveren van ecosysteemdiensten⁶. Fragmentatie wordt gewoonlijk gekwantificeerd via landschapspatroonindices — patchdichtheid, vormonregelmatigheid, Shannon-diversiteit van landbedekking — vaak gekoppeld aan moving-window-analyses⁷. Recentelijk is morfologische ruimtelijke patroonanalyse (MSPA) — en de hier toegepaste lichtgewicht varianten (MSPA-lite) — het standaardinstrument geworden voor het isoleren van kern-rand-brug-habitatstructuren in de Chinese regionale ecologie^8,9. Deze morfologische instrumenten zijn informatief, maar fundamenteel aspatieel met betrekking tot de stroom van organismen of ecosysteemdiensten: ze beschrijven de distributie van habitatfragmenten, maar geven geen uitsluitsel over hoe, en via welk pad, ecologische diensten zich tussen habitatkernen verspreiden¹⁰. Deze beperking is bijzonder bepalend in Chinese CEPZ's, waar de beleidsmatige premisse juist is dat ecologische en erfgoedentiteiten functioneel verbonden zijn over het landschap. Echter, zonder een mechanisme-expliciet ruimtelijk model kunnen landschapsmetrieken alleen de connectiviteitspaden niet blootleggen die het CEPZ-beheer geacht wordt te beschermen.

Connectiviteitsmodellen gebaseerd op graaf- en schakelingstheorie hebben dit gat voor ecologische diensten gedeeltelijk opgevuld. Least-cost-path (LCP)-analyses op resistentie-oppervlakken, afgeleid van landgebruikskaarten, zijn inmiddels standaardinstrumenten voor het afbakenen van ecologische corridors tussen habitatkernen^11,12. De schakelingstheorie (Circuitscape) beschouwt het landschap als een resistentienetwerk en berekent stroomwaarschijnlijkheden via meerdere paden¹³. Recente synthesen van multiplex-netwerken hebben aangetoond dat deze enkellaags instrumenten kunnen worden uitgebreid om aanbod-vraagstroom van ecosysteemdiensten weer te geven^14,15. Voor het culturele erfgoed is de ruimtelijke kwantificering op andere manieren gevorderd. Kernel density estimation (KDE) is de standaardrepresentatie geworden voor de clustering van immaterieel cultureel erfgoed¹⁶, en combinatorische grafen — gewoonlijk Delaunay-triangulaties of k-nearest-neighbor-netwerken over gedeclareerde erfgoedlocaties — leggen de discrete relationele structuur van het erfgoedvast¹⁷. De ecologische en erfgoednetwerken zijn echter bijna altijd behandeld als parallelle enkellaags objecten^18,19; de mogelijkheid om deze te koppelen in een supra-netwerk met propagatiedynamiek die gezamenlijk door beide lagen wordt gestuurd, is op de schaal van de CEPZ nog niet geoperationaliseerd^20,21. Bijgevolg blijven de veerkrachtdrempels waarbij gekoppelde duale-laags netwerken hun grote verbonden component verliezen onder progressieve verwijdering van stressoren onbekend.

Netwerkmodellen — waarbij knopen deelnemers vertegenwoordigen en randen interacties coderen — bieden het wiskundige instrumentarium om dit gat te dichten²². Multilayer- en multiplex-netwerken generaliseren de graafrepresentatie naar systemen waarin dezelfde actoren deelnemen aan structureel verschillende interactieregimes²³, en bieden een compact mechanisme voor het meten van interlaagkoppeling, cross-layer deelname en laagspecifieke veerkracht. In ecologisch netwerkonderzoek zijn percolatiegebaseerde simulaties van knoopverwijdering gebruikt om de kritieke fractie f* te identificeren waarbij de grootste verbonden component instort — een algemeen geaccepteerde proxy voor structurele veerkracht²⁴. Het uitbreiden van deze instrumenten naar een gekoppelde ecologische-erfgoedarchitectuur vereist (i) een expliciet interlaagkoppelingingsschema dat de ruimtelijke nabijheid tussen habitatkernen en erfgoedpunten weerspiegelt, (ii) een aanvalsprotocol dat elke laag onafhankelijk target om laagspecifieke kwetsbaarheden te isoleren, en (iii) een samengestelde prioriteitsindex die gekoppelde netwerkdiagnostiek vertaalt naar uitvoerbare restauratiedoelen. Het Dual-layer Ecological–Heritage Network (DEHN) framework, ontwikkeld in de huidige analyse, operationaliseert deze drie vereisten en kwantificeert op die basis de veerkrachtdrempels van beide lagen, samen met hun cross-layer diagnostiek, op een multi-CEPZ-schaal.

De Hakka Culturele Ecologische Beschermingszones vormen een vergelijkende gradiënt van uitzonderlijke analytische waarde. De Hakka CEPZ's beslaan drie zones op nationaal niveau — Ganzhou in het zuiden van Jiangxi, Minxi in het westen van Fujian en Meizhou in het oosten van Guangdong — en omvatten gezamenlijk 74.547 km² van de Wuyi-Nanling-Lianhuashan-bergen. Ze herbergen 23 immaterieel cultureel erfgoeditems op nationaal niveau, geregistreerd binnen de podiumkunsten, traditionele ambachten en volksgebruiken^25,26. In tegenstelling tot droge binnenlandse bekkens, waar hydrologische eenrichtingsverkeer de stroom van ecosysteemdiensten drijft, worden de Hakka-bergen gekenmerkt door dicht corridorweefsel tussen talrijke kleine habitatkernen, een erfgoedpatrimonium geworteld in eeuwenoude architectuur van ommuurde woningen²⁷, en een decennialang traject van ontvolking waardoor veel heuvelachtige districten een netto-emigratie hebben die meer dan 30% van de geregistreerde bewoners bedraagt²⁸. Deze combinatie — een hoge erfgoeddichtheid, een krimpende landelijke bevolking en aanhoudende bergbossen — biedt het gepaarde stressorregime (urbanisatie-gestuurd ecologisch verlies versus ontvolkings-gestuurde verslechtering van het erfgoed) dat theoretische meerlaagsmodellen hebben voorzien, maar zelden empirisch op subnationaal niveau hebben waargenomen²⁹. Bestaande casestudies van een enkele zone over het Hakka-erfgoed hebben rijke etnografische en typologische inzichten opgeleverd, maar hebben de gekoppelde ruimtelijke dynamiek van de ecologische en erfgoedlagen niet opgelost³⁰. Omdat de drie zones in dezelfde klimatologische en topografische gordel liggen, maar geconfronteerd worden met uiteenlopende combinaties van stressoren — de peri-urbane uitbreiding van Ganzhou, de intensivering van het tulou-toerisme in Minxi en de door diaspora gedreven ontvolking in Meizhou — functioneren ze collectief als een drievoudige vergelijkende gradiënt voor comparatieve analyse. Het hier ontwikkelde raamwerk zal daarom naar verwachting generaliseerbaar zijn buiten de Hakka-casus, waardoor een overdraagbaar diagnostisch sjabloon ontstaat voor de vijftien overige nationale CEPZ's en voor culturele landschappen elders in de wereld die geconfronteerd worden met een analoge koppeling van stressoren³¹.

Op basis van deze lacune worden twee gekoppelde vragen behandeld. Ten eerste: delen het ecologische corridornetwerk en het netwerk van immaterieel erfgoed in een gebied op CEPZ-schaal een gemeenschappelijke kritieke percolatiedrempel bij progressieve willekeurige en gerichte aanvallen, of falen de twee lagen bij structureel verschillende fracties van knoopverlies? Ten tweede: indien de twee lagen een uiteenlopende veerkracht vertonen, welke laag stelt dan de bindende beperking voor de integriteit van het gekoppelde systeem, en waar kunnen herstelinvesteringen deze beperking het meest efficiënt herverdelen? Om deze vragen te beantwoorden, (i) construeert het huidige onderzoek een Dual-layer Ecological–Heritage Network (DEHN) dat morfologische ruimtelijke patroonanalyse op zes snapshots van de 30 m China Land Cover Dataset integreert met kernel-dichtheidsschatting over 23 items van immaterieel cultureel erfgoed op nationaal niveau; (ii) kwantificeert het laagspecifieke consensus-percolatiedrempels onder vier progressieve regels voor knoopverwijdering en karakteriseert het de koppelingstructuur tussen lagen via multiplex-participatie en supra-eigenvector-centraliteit; en (iii) leidt het een samengestelde Restoration Priority Index (RPI) af en evalueert de uitvoerbaarheid ervan via scenariosimulatie en multi-parameter sensitiviteitsanalyse. Het resulterende raamwerk biedt een mechanisme-expliciete, op remote sensing gebaseerde beslissingsbasis voor de planning van ecologisch herstel van CEPZ in Zuid-China en vergelijkbare meerlaagse erfgoedgebieden.

Protocol

Studiegebied
Het systeem van Hakka Cultural Ecological Protection Zones (CEPZs) bestaat uit drie nationaal aangewezen beschermingszones die zich uitstrekken over het bergachtige grensgebied van de provincies Jiangxi, Fujian en Guangdong in Zuid-China (23°23′–27°08′ N, 113°50′–116°44′ E) (Afbeelding 1A–D). De drie zones — Ganzhou CEPZ in zuidelijk Jiangxi, Minxi CEPZ in westelijk Fujian en Meizhou CEPZ in oostelijk Guangdong — beslaan samen 74.547 km² en omvatten 34 administratieve eenheden op countyniveau (33 counties plus één gemeentelijke districtszetel), wat de geografische kern van de Hakka-cultuursfeer vormt. Ganzhou CEPZ is de grootste van de drie (39.341 km²) en bevat 18 counties verspreid over de bovenloop van de Ganjiang-rivier en de uitlopers van het Wuyi-gebergte; hier bevindt zich de hoogste concentratie Hakka-ommuurde woningen (weilongwu) en de dichtste verdeling van tulou in het binnenland. Minxi CEPZ (19.353 km²) beslaat 6 counties gecentreerd rond Longyan en Sanming, waar de door UNESCO erkende Fujian-tulou-clusters het belangrijkste gebouwde erfgoed vormen. Meizhou CEPZ (15.853 km²) omvat 9 counties in het middengebied van de Meijiang-rivier en wordt internationaal erkend als de "Hakka Culturele Hoofdstad" met de hoogste ratio van overzeese Hakka-diaspora per capita.

De topografie wordt gedomineerd door middelgebergten (400–1.600 m) behorend tot de Wuyi-, Nanling- en Lianhuashan-gebergten, met een noordoost-zuidwestelijke tektonische structuur. De drie zones delen een subtropisch vochtig moessonklimaat: de jaarlijkse neerslag varieert van 1.500 tot 2.100 mm en de gemiddelde jaartemperatuur is 18–21 °C. Breedbladige en gemengde groenblijvende bossen domineren de natuurlijke vegetatie, afgewisseld met terrasvormige landbouwgronden langs de riviervalleien. De drie zones huisvesten gezamenlijk meer dan 12 miljoen mensen (volkstelling 2020) — een paradoxale combinatie van een hoge dichtheid aan erfgoed en ernstige rurale ontvolking, waarbij de netto-emigratie in veel heuveldistricten meer dan 30% van de geregistreerde inwoners bedraagt. Het aantal op nationaal niveau geregistreerde items van immaterieel cultureel erfgoed (ICE) van de Hakka bedraagt 23 over de drie zones (Figuur 1B–D), variërend van podiumkunsten (bergliederen, Hakka-opera), traditionele ambachten (tulou-bouw, houtsnedekunst) en volksgebruiken (San Yuan-festivals, voorouderverering). Het samengaan van een dicht erfgoedbezit, een krimpende landelijke bevolking en relatief intacte bergbossen maakt de Hakka CEPZ's tot een onderscheidende vergelijkende gradiënt voor de gekoppelde ecologische-structurele robuustheid van de in kaart gebrachte ICE-inventarisnetwerkanalyse op subnationaal niveau³². De basisadministratieve, morfologische en erfgoedkenmerken van de drie zones zijn samengevat in Tabel 1.

Het CEPZ-programma werd in 2007 ingesteld door het Ministerie van Cultuur en Toerisme (MCT) met als doel het beschermen van coherente territoriale eenheden waarin ecologische integriteit en immaterieel erfgoed als een gekoppeld systeem worden behouden³³. Alle drie de Hakka-zones werden tussen 2013 en 2019 op nationaal prioriteitsniveau geplaatst, waarbij de administratieve coördinatie wordt uitgeoefend door respectievelijk de provinciale bureaus voor culturele zaken van Jiangxi, Fujian en Guangdong. Sinds 2020 is de planning voor herstel en rehabilitatie binnen de CEPZ-grenzen onderworpen aan het kader van de National Territory Space Planning (NTSP), dat een ruimtelijk expliciete prioritering van ecologische corridors en erfgoedbufferzones vereist³⁴. De Hakka-casus combineert daarom een eenduidige administratieve jurisdictie met een ruimtelijk heterogeen stressorregime, en de analytische resultaten zijn direct toepasbaar binnen bestaande planningsinstrumenten. Recente evaluaties op CEPZ-schaal hebben gepleit voor netwerkgebaseerde diagnostiek ter vervanging van de voorheen gebruikte inventarisgebaseerde indicatoren³⁵, wat de directe beleidscontext vormt waarboven het DEHN-raamwerk is ontwikkeld. Het Hakka-landschap onderscheidt zich tenslotte door zijn uitgebreide diaspora-erfenis: Meizhou alleen al is verantwoordelijk voor meer dan een derde van de wereldwijde Hakka-diaspora, en door remises gedreven landbeheer heeft geleid tot landgebruikstrajecten die duidelijk verschillen van die in demografisch stabiele Chinese berggebieden³⁶. Deze sociale laag is niet direct geparametriseerd in het huidige multilayer-model, maar wordt hier gedocumenteerd als de mechanistische achtergrond waartegen de ecologische en erfgoedlagen evolueren.

Gegevens
Beschrijvende statistiek van de countygebieden binnen het studiegebied: gemiddelde = 2,193 km² (bereik: 721–3,946 km²; mediaan: 2,089 km²; SD: 687 km²; n = 34 counties). De gemiddelde diameter van een county (uitgaande van een cirkelvorm) is ongeveer 53 km, wat de koppelingstraal tussen lagen van 10 km met een factor 5,3 overschrijdt. Deze systematische geocodeerfout betekent dat de werkelijke koppeling van ICH-ecologische patches aanzienlijk kan verschillen van de schatting op basis van het centrum. Een sensitiviteitsanalyse waarbij de koppelingstraal werd verhoogd naar 20 km, toonde aan dat de identiteit van de top-20 RPI-patches in 15 van de 20 gevallen behouden bleef, wat wijst op een matige robuustheid tegen geocodeeronzekerheid. Veldonderzoeken op dorpsniveau zijn geïdentificeerd als essentieel toekomstig werk om deze beperking op te lossen.

Tabel 2 vat de primaire datasets samen die in deze studie zijn gebruikt. De landbedekking is afgeleid van de China Land Cover Dataset (CLCD), ontwikkeld door de Wuhan University met een ruimtelijke resolutie van 30 m, over de periode 1985–2023 met jaarlijkse toenames³⁷. Zes representatieve jaren (2000, 2005, 2010, 2015, 2020, 2023) zijn behouden om verandertrajecten over meerdere decennia te karakteriseren met consistente intervallen van vijf jaar plus het eindjaar. Het CLCD-schema maakt onderscheid tussen landbouwgrond, bos, struikgewas, grasland, water, ijs/sneeuw en ondoordringbare oppervlakken; de nauwkeurigheid hiervan is onafhankelijk gevalideerd met een totale nauwkeurigheid van meer dan 79% in het studiegebied³⁸. Administratieve grenzen en CEPZ-omtrekken zijn verkregen uit het nationale CEPZ-register van het Ministerie van Cultuur en Toerisme (MCT) en Gaode POI-diensten; ICH-elementen op nationaal niveau zijn geocodeerd naar het centrum van de gemeente van hun oorspronkelijke culturele beheerder, conform de conventie die is gebruikt in eerdere Chinese ICH-netwerkstudies³⁹. De samengestelde dataset is vrijgegeven onder een CC-BY-licentie en kan volledig worden gereproduceerd via open remote-sensing-archieven, in overeenstemming met recente oproepen voor reproduceerbaar onderzoek naar ecologische netwerken⁴⁰.

De datapre-processing volgde een vijfstapsketen die werd geïmplementeerd in Python 3.11 met rasterio 1.3, GeoPandas 0.14 en NetworkX 3.2. Ten eerste werden de jaarlijkse CLCD 30 m GeoTIFFs ingeperkt tot de bounding box van de unie van de drie zones (23°23′–27°08′ N, 113°50′–116°44′ E) en gereprojecteerd naar de Albers Conic Equal Area-projectie (lon₀ = 105°E, φ₁ = 25°N, φ₂ = 47°N) om het oppervlak te behouden voor de daaropvolgende morfologische analyse. Ten tweede werd de unie van de drie CEPZ-perimeters gerasteriseerd als een studiemasker, waarbij alle cellen buiten het masker gedurende de gehele pipeline op NoData werden gezet. Ten derde werden de celaantallen per landbedekkingsklasse getabuleerd voor elk van de zes referentiejaren om een directe vergelijking van de fragmentatietrajecten tussen de jaren te ondersteunen. Ten vierde werd de ICH-puntenset samengesteld uit het nationale lijstregister van de Staatsraad (batches 1–5), geocodeerd naar het centroid van de county van de opgegeven culturele beheerder, geverifieerd aan de hand van publiek beschikbare point-of-interest-diensten en opgeslagen als een WGS-84 GeoJSON-laag met attributen voor item-identificatie, categorie (podiumkunsten, traditioneel ambacht, volksgebruik), listing batch en CEPZ-affiliatie. Ten vijfde werden alle daaropvolgende vector-rasteroperaties uitgevoerd in Albers Conic Equal Area met behulp van windowed raster reads en gevectoriseerde in-memory array-verwerking om de computationele efficiëntie bij het 30 m-grid te behouden. Alle bestanden van de grenzen en de ICH-bronnen, samen met de reproduceerbare pre-processing scripts, zijn beschikbaar op redelijke aanvraag.

Methoden
De analytische keten (Figuur 2) is georganiseerd in vijf horizontale banen — DATA, LAYER, COUPLING, DIAGNOSTICS, OUTPUT — en bestaat uit zes methodologische modules: (i) morfologische kwantificering van de ecologische laag via een lichtgewicht morfologische ruimtelijke patroonanalyse (MSPA-lite) op 30 m CLCD; (ii) ruimtelijke kwantificering van de erfgoedlaag via kerneldichtheidsschatting (KDE) en combinatorische nabijheidsgrafieken op de 23 ICH-items op nationaal niveau; (iii) koppeling van de twee lagen tot een bi-layer supra-netwerk onder een inter-laags schema van afstandsafname; (iv) identificatie van de veerkrachtdrempel op basis van percolatie onder willekeurige en gerichte regels voor het verwijderen van knooppunten, onafhankelijk toegepast op elke laag; (v) een samengestelde Restoration Priority Index (RPI) in kaart gebracht over de set ecologische knooppunten om Tier 1 (hoogst gerankte) patches en prioritaire corridors te identificeren; en (vi) scenariosimulatie en multi-parameter gevoeligheidsanalyse van de prioriteitstypologie en de koppelingsparameters.

De supra-adjacentiematrix A (256 × 256) werd geconstrueerd als een blokmatrix, waarbij A_E,norm en A_H,norm de intra-laag adjacentiematrices zijn, genormaliseerd naar hun respectievelijke gemiddelde randgewichten, en A_inter de inter-laag koppelingsmatrix is. De matrix is symmetrisch (computationeel geverifieerd: ||A - A^T || < 1e-10) en bevat geen zelf-lussen (trace(A) = 0).

Statistieken van het randgewicht vóór normalisatie: ecologische laag — min = 0.008730, gemiddelde = 0.098589, max = 1.618909; erfgoedlaag — min = 0.006862, gemiddelde = 0.019848, max = 0.085832. Na gemiddelde-normalisatie: ecologisch — min = 0.0885, gemiddelde = 1.000, max = 16.4207; erfgoed — min = 0.3457, gemiddelde = 1.000, max = 4.3244.

Spectrale radii werden berekend uit de gemiddelde-genormaliseerde symmetrische nabijheidsmatrices: ecologisch blok lambda_max = 19,6481, erfgoedblok lambda_max = 10,5404 en het volledige supra-netwerk lambda_max = 19,6481. Het ecologische blok domineert daarom de leidende modus. Een eerdere centraliteitswaarde op knooppuntniveau was onjuist gelabeld als een eigenwaarde en is verwijderd uit alle rapportages van de spectrale radius. Ter vergelijking: een rij-stochastische normalisatie heeft bij constructie een leidende eigenwaarde van 1,000.

De basisregel voor koppeling binnen 10 km resulteerde in 42 inter-laag randen: 35 voldeden aan de strikte afstandsdrempel en zeven waren fallback-koppelingen naar het dichtstbijzijnde patch voor ICH-knopen zonder een patch binnen de straal. Bijgevolg behielden alle 23 ICH-knopen ten minste één ecologische verbinding. De supra-eigenvectorcentraliteit die in de RPI werd gebruikt, werd berekend op basis van de gemiddeld genormaliseerde symmetrische adjacentiematrix.

Kwantificering van ecologische lagen (MSPA-lite)
Morphological spatial pattern analysis (MSPA) verdeelt binaire landcover-masks in topologisch informatieve categorieën (kern, rand, brug, lus, eilandje, perforatie, tak), waardoor habitatcontinuïteit onafhankelijk van de compositie in kaart wordt gebracht⁴¹. Omdat een volledige MSPA op een 30 m raster dat 74.547 km² beslaat in voorlopige tests leidde tot prohibitieve computationele kosten, hanteerde deze studie een tweeklassige MSPA-lite formulering die het onderscheid tussen kern en rand behoudt, terwijl brug/lus/eilandje zijn samengevoegd tot één geaggregeerde "rand"-klasse. Vegetatie werd gedefinieerd als de unie van CLCD-codes {forest, shrub, grassland}. Het 30 m raster werd geresampled naar 90 m met behulp van majority-rule aggregatie, en een circulair structuring element van 3 cellen (equivalent aan 270 m) werd toegepast via binaire erosie om het kerninterieur te isoleren; de resterende begroeide cellen werden als rand gelabeld. Kleine patches (<5 km²) werden uitgesloten om te focussen op ecologisch betekenisvolle kernen, conform de grootte-drempelwaarde die algemeen wordt gehanteerd in Chinese regionale MSPA-studies⁴². MSPA-lite levert voor elk van de zes representatieve jaren het totale begroeide oppervlak, het kernoppervlak, het randoppervlak en het aantal individuele kernpatches op — voldoende descriptoren om het fragmentatietraject te volgen dat wordt verondersteld als de belangrijkste ecologische stressfactor (Sectie 4.1).

De keuze voor morfologische indicatoren afgeleid van CLCD in plaats van seizoensgebonden NDVI- of LST-tijdreeksen is bewust gemaakt. Bewolkingsverstoring boven de Hakka-bergen overschrijdt in het natte seizoen routinematig 70%, en de geometrie van het terminale meerbekken versterkt de persistentie van bewolking, waardoor consistente meerjarige seizoensgebonden NDVI-composieten een op maat gemaakte pipeline voor het opvullen van gaten zouden vereisen. Morfologische indicatoren, afgeleid van jaarlijks gevalideerde categorische kaarten, omzeilen deze atmosferische ruis terwijl de connectiviteitsinformatie die het meest relevant is voor netwerkgebaseerde veerkrachtanalyse behouden blijft⁴³.

De gevoeligheid voor MSPA-lite-parameters werd onderzocht in een voorlopige analyse. De straal voor kern-erosie werd gevarieerd over 2, 3 en 4 cellen (equivalent aan 180 m, 270 m en 360 m in het binnengebied bij een aggregatie van 90 m), en de minimale drempelwaarde voor het kernoppervlak werd getest bij 3 km², 5 km² en 10 km². De uiteindelijke parameterinstelling (erosie van 3 cellen, drempelwaarde van 5 km²) werd behouden omdat deze een stabiele rangorde van patch-overvloed over de zes jaar bewaarde, terwijl spurieuze kleine kernen die werden gegenereerd door CLCD-classificatieruis werden geëlimineerd. De MSPA-lite-resultaten over de jaren heen werden gevalideerd door handmatige inspectie van tien willekeurig geselecteerde patches per jaar aan de hand van resolutiebeelden van Google Earth, wat resulteerde in een categorische concordantie van boven de 95% voor de toewijzing van kern versus rand in de momentopname van 2020. Patch-identificatoren werden over de jaren heen geharmoniseerd met behulp van een regel voor ruimtelijke overlap: een patch in jaar t werd gekoppeld aan zijn tegenhanger met de grootste overlap in jaar t + 5 telkens wanneer de Jaccard-index van hun voetafdrukken 0,60 overschreed. Patches zonder een stabiele voorganger werden geregistreerd als emergent, en patches zonder een stabiele opvolger werden geregistreerd als opgelost. Deze stamboomtabel vormt de basis voor de analyse van de fragmentatietrajecten die wordt gerapporteerd in Sectie 3.1.

Kwantificering van de erfgoedlaag (ICH-KDE + nabijheidsnetwerk)
Voor elk van de 23 ICH-items op nationaal niveau werd het centrum van de provincie van de opgegeven bewaarder gebruikt als puntlocatie. Een kernel-densiteitsschatting (KDE) oppervlak werd berekend op een rooster van 500 m over de unie van de drie zones met een bandbreedte van 5 km, wat vergelijkbaar is met de vuistregel van Silverman geschat op basis van de steekproef van 23 punten en de bivariate omvang daarvan. Het resulterende dichtheidsoppervlak ich_kde_5km legt de ruimtelijke concentratie van het erfgoed vast en vormt het ruimtelijke anker voor de discrete erfgoedgraaf. De keuze van de bandbreedte was gebaseerd op eerdere clusteringanalyses van Chinese tulou, waarbij de modale afstand tussen clusters werd gerapporteerd op 6–8 km; een bandbreedte van 5 km maakt zowel de consolidatie binnen clusters als de openingen tussen clusters inzichtelijk.

De erfgoedgraaf G_H werd samengesteld door een Delaunay-triangulatie op de 23 ICH-knopen te combineren met de k-nearest-neighbor (KNN, k = 4) graaf, wat resulteerde in de unie van de zijdenverzameling. Deze combinatorische benadering elimineert verlengde Delaunay-zijden die topografische barrières overspannen, terwijl de nearest-neighbor connectiviteit behouden blijft, conform het graafconstructieprotocol dat is gehanteerd in recente multiplex ecosysteemdienststudies⁴⁴. Gewichten voor de zijden werden toegewezen als het reciproke van de grootcirkelafstand (in meters), zodat dichter gelegen erfgoeditems een sterkere afgeleide koppeling uitoefenen. Op de graaf met 23 knopen werden centraliteitsmetrieken op knoopniveau — graad, gewogen graad, betweenness, eigenvector, PageRank en clusteringcoëfficiënt — berekend op basis van gewicht = 1 / afstand, volgens de standaardprocedure.

Om de methodologische keuze van k = 4 in het KNN-component van de erfgoedgraaf te onderbouwen, is een sensitiviteitsanalyse van de k-waarde uitgevoerd door k te variëren van 3 tot 8, terwijl de basis van de Delaunay-triangulatie behouden bleef. De consensus-percolatiedrempel varieerde van 0,754 (k = 4) tot 0,923 (k = 7), met tussenliggende waarden van 0,779 (k = 3), 0,773 (k = 5), 0,852 (k = 6) en 0,885 (k = 8). De keuze voor k = 4 is gehandhaafd omdat dit de meest ijle graaf oplevert die nog steeds volledige knoopconnectiviteit garandeert zonder redundante lange-afstandsverbindingen, en omdat de Spearman-rangcorrelatie van de knoopgraadcentraliteit tussen k = 4 en aangrenzende k-waarden hoog bleef (ρ = 0,691 voor k = 3, ρ = 0,793 voor k = 5). De Delaunay-triangulatie werd behouden als basislaag omdat deze een verbonden planaire graaf garandeert die de ruimtelijke topologie van de ICH-puntverdeling respecteert, terwijl de KNN-overlay de langgerekte Delaunay-randen elimineert die topografische barrières overbruggen (bijv. de Wuyi-bergkam). Deze combinatorische Delaunay + KNN-constructie volgt het graafprotocol dat is aangepast in recente multiplex-studies naar ecosysteemdiensten en zorgt ervoor dat de topologie van het erfgoednetwerk geen artefact is van een enkele arbitraire parameterkeuze.

Ecologische corridors en paden van minimale kosten
De constructie van het weerstandsoppervlak volgde de conventie van de op klassen gebaseerde opzoektabel (LUT)⁴⁵. Aan elke CLCD-klasse werd een numerieke weerstandswaarde toegewezen die de belemmering voor biotische verspreiding en de stroom van ecosysteemdiensten weerspiegelt (Tabel 3). Bos kreeg de basisweerstand (1), gevolgd in oplopende volgorde door struikgewas (5), grasland (10), water (30), akkerland (50), ijs/sneeuw (200) en ondoordringbare oppervlakken (500); cellen zonder gegevens kregen een neutrale (100) placeholder. De LUT werd toegepast op de 90 m CLCD 2020-raster om een weerstandsoppervlak te genereren met een grid-omvang van 4.688 × 3.953 in de Albers Conic Equal Area-projectie.

Paden met de laagste kosten (LCP's) werden berekend tussen paren van kerngebieden en patches met behulp van de implementatie van het algoritme van Dijkstra via `graph.route_through_array` van skimage op het weerstandsoppervlak. Kandidaat-knooppuntparen werden beperkt tot de unie van de K-dichtstbijzijnde-buren-grafen (k = 4) en de Delaunay-triangulatiegrafen van de 233 patch-centroiden in de geprojecteerde ruimte, volgens het LCP-graafprotocol dat veelvuldig wordt gebruikt in Chinese regionale connectiviteitsstudies⁴⁶. Dit leverde 799 kandidaat-corridors op, elk gekenmerkt door de cumulatieve kosten (een dimensieloze gehele som van de weerstand langs het pad), de padlengte in meters en de effectieve weerstand (kosten/lengte). Alle 799 corridors werden behouden in de uiteindelijke ecologische graaf G_E, aangezien geen enkele de maximaal aanbevolen kostengrens voor regionale connectiviteitsstudies overschreed⁴⁷.

Helling-gecorrigeerde weerstand werd overwogen maar niet toegepast; de beschikbare dekking van het digitaal hoogtemodel in de workflow van de studie besloog slechts breedtegraden 26,00–27,14° N en miste daarom de zuidelijke tweederde van het studiegebied, waardoor een volledige SRTM-herverwerking over de drie zones niet binnen het tijdsbestek van de studie kon worden uitgevoerd. Een zuivere parameterisatie van de LULC-weerstand is een standaard alternatief in Chinese regionale corridorstudies wanneer de volledigheid van het DEM niet haalbaar is, en het isoleert het LULC-signaal zonder storende topografische gradiënten⁴⁸.

De implementatie van de LCP-berekening maakte gebruik van skimage.graph.route_through_array in `geometric` modus, waarbij het weerstandsoppervlak werd omgezet naar float32 en een kleine additieve constante (1e−6) werd toegepast op cellen met nulkosten om degeneratie van het pad te voorkomen. Om de geheugenvoetafdruk op het volledige rooster van 4.688 × 3.953 te verkleinen, werd het kostenoppervlak opgedeeld in vier overlappende vensters van 2,344 × 1,977 met een buffer van 200 cellen; LCP's waarvan de eindpunten aangrenzende tegels overspanden, werden berekend op de samengevoegde bufferunie om artefacten bij de naden te voorkomen. Alle 799 kandidaat-LCP's werden gevalideerd door een willekeurige steekproef van 5% te controleren op continue connectiviteit ten opzichte van het input-weerstandsoppervlak; er werden geen discontinue paden gedetecteerd. De geometrieën van de corridorpaden werden gevectoriseerd via marching-squares extractie en opgeslagen als WGS-84 LineString-features in GeoJSON, waarbij padlengte, cumulatieve kosten, effectieve weerstand (kosten/lengte) en identifiers van de bron- en bestemmingspatches als attributen werden behouden. De representatieve centroidpunten die werden gebruikt voor de selectie van de LCP-eindpunten, werden berekend met de representative_point methode van GeoPandas in plaats van geometrische centroids, om ervoor te zorgen dat elk eindpunt binnen de overeenkomstige patchpolygoon valt in het geval van concave patchgeometrieën.

Constructie van het bi-laags supra-netwerk
De erfgoedgraaf G_H (n = 23, m = 73) en de ecologische graaf G_E (n = 233, m = 799) werden gecombineerd tot een bi-laags supra-netwerk. Een inter-laags rand (h, e) werd ingevoegd wanneer de geodetische afstand van ICH-knooppunt h tot het zwaartepunt van het ecologische patch e niet meer dan 10 km bedroeg, een straal die in de gevoeligheidsanalyse is geëvalueerd over 5, 10, 15 en 20 km (Sectie 3.5). Indien er geen patch binnen 10 km viel, werd de dichtstbijzijnde patch gekoppeld als fallback voor minimale connectiviteit. Het basisnetwerk bevat daarom 42 inter-laags randen: 35 links op basis van de strikte straal en zeven fallback-links.

De gewichten van de randen in de supra-adjacency matrix A (256 × 256) werden als volgt toegewezen: intra-heritage randen behielden hun wederkerige-afstandsgewichten; intra-ecologische randen kregen de reciproke waarde van de kosten van het pad met de laagste kosten (1 / cost); en inter-laag randen kregen de waarde zoals hieronder gedefinieerd, waarbij d de koppelingsafstand in kilometers is, en w_intra het gemiddelde gewicht van de intra-laag rand is, wat resulteert in een geleidelijk afnemende inter-laag koppeling die is gekalibreerd naar de intra-laag magnitude. Het supra-netwerk ondersteunt twee families van afgeleide metrieken: (i) de supra-eigenvector centraliteit, berekend als de leidende eigenvector van A, die elke node een vergelijkbare belangrijkheidsscore over de lagen heen geeft; en (ii) de multiplex participatiecoëfficiënt zoals hieronder gedefinieerd, volgens het multiplex participatieformalisme dat wordt gebruikt in bi-laags netwerkdiagnostiek, wat de balans vastlegt tussen de intra-laag verbindingen van een node en de koppeling met de andere laag.

De supra-adjacentiematrix A werd opgeslagen als een ijle CSR-matrix met behulp van de sparse-module van SciPy. Het leidende eigenpaar van de gemiddeld-genormaliseerde symmetrische matrix werd berekend met de eigsh-implementatie van ARPACK en gecontroleerd via power-iteratie; de spectrale straal van de volledige matrix was lambda_max = 19.6481. Dezezelfde eigenvector van de symmetrische matrix leverde de supra-eigenvector-centraliteitscomponent van de RPI. Rijnormalisatie werd uitsluitend gebruikt voor diagnostiek van de transitiematrix; de leidende eigenwaarde hiervan is per definitie 1.000. Alternatieve koppelingsfuncties tussen lagen produceerden RPI-rangcorrelaties boven de 0,94 ten opzichte van de baseline met exponentiële afname.

Op percolatie gebaseerde veerkrachtdrempels
Elke laag werd onafhankelijk onderworpen aan vier progressieve node-verwijderingsaanvallen: (i) uniform willekeurige verwijdering, gemiddeld over 500 replicaten (300 voor de scenario's in sectie 2.3.8); (ii) gerichte verwijdering op basis van aflopende graad; (iii) gerichte verwijdering op basis van aflopende betweenness; en (iv) gerichte verwijdering op basis van aflopende eigenvector-centraliteit. Nadat k nodes waren verwijderd uit een initiële graaf met n nodes, werd de structurele integriteit gemeten als S(k) = LCC(k)/(n - k), waarbij LCC(k) het aantal nodes in de grootste verbonden component onder de overgebleven nodes is. De kritische drempel f* was de kleinste fractie verwijderde nodes k/n waarbij S(k) < 0,5. De gerapporteerde drempels en percolatiecurves maken gebruik van deze normalisatie voor de overgebleven nodes. De consensusdrempel f_C is het rekenkundig gemiddelde van de vier aanvalsspecifieke drempels.

Voor de random-removal attack werden 500 replicaten gehanteerd, nadat preliminaire convergentietests uitwezen dat de gemiddelde LCC-versus-removed-fraction-curve stabiliseerde tot binnen een variatiecoëfficiënt van 0.02 bij replicaat 350; 500 replicaten bieden een ruime marge boven dit convergentiepunt tegen verwaarloosbare extra computationele kosten. Gelijkwaardigheden in de rankings van degree, betweenness en eigenvector — die bij het heritage-netwerk met 23 knopen niet verwaarloosbaar vaak voorkomen — werden alfabetisch naar knoopidentificatie doorbroken om exacte reproduceerbaarheid over onafhankelijke runs te garanderen. De progressie van de attacks werd onafhankelijk voor elke laag berekend om laagspecifieke kwetsbaarheden te isoleren; een joint-attack protocol, waarbij knopen uit beide lagen gelijktijdig werden verwijderd volgens de supra-eigenvector ranking, werd overwogen maar niet toegepast, omdat dit de signalen van de twee lagen zodanig mengt dat de beoogde laagspecifieke diagnostiek wordt vertroebeld. De drempelwaarde van 0.5 LCC-fractie werd gekozen volgens de standaardpraktijk in onderzoek naar percolatie van ecologische corridors; aanvullende sensitiviteitstests bij LCC-drempels van 0.4 en 0.6 behielden de rangorde van ecologisch-versus-heritage en verschoven de absolute consensusdrempels met minder dan 0.05 in beide richtingen. De consensusdrempel werd berekend als het rekenkundig gemiddelde van de vier attack-specifieke drempels. Hoewel de vier attack-regels verschillende structurele interpretaties hebben, dient de consensus als een samenvattende statistiek die de gemiddelde kwetsbaarheid over diverse dreigingsprofielen vastlegt. De invariantie van de directionele bevinding ten opzichte van de attack-modus (ecologisch < heritage bij drie van de vier attacks) biedt interne validatie.

Voor willekeurige aanvallen werden 500 onafhankelijke replica's uitgevoerd. Met LCC genormaliseerd naar het aantal resterende knooppunten (n - k), leverde de ecologische laag een gemiddelde willekeurige drempelwaarde op van 0,623 ± 0,058 (SD), en de erfgoedinventaris-laag leverde 0,960 ± 0,082 op. Betrouwbaarheidsintervallen (95%) werden berekend op basis van de distributies van de replica's.

Gerichte aanvallen (graad, betweenness, eigenvector) maakten gebruik van een statische rangschikking op basis van de initiële netwerktopologie in plaats van dynamische herberekening na elke verwijdering. Deze statische benadering is gekozen omdat (i) deze een reproduceerbare, deterministische aanvalssequentie biedt; (ii) dynamische herberekening in ijle ruimtelijke netwerken onstabiele centraliteitsrangschikkingen kan opleveren; en (iii) de statische benadering een worst-case scenario vertegenwoordigt. Dynamische herberekening levert doorgaans iets lagere drempels op; de gerapporteerde schattingen zijn conservatief. Het verwijderingsinterval is geïmplementeerd als een sequentiële verwijdering van één enkele knoop. Voor het erfgoednetwerk met 23 knopen komt elke verwijdering overeen met ~4,3% van de knopen; voor de ecologische laag met 233 knopen komt elke verwijdering overeen met ~0,43%. Deze resolutie, die fijner is dan 0,025, zorgt voor een nauwkeurige detectie van de drempelwaarde.

Prioriteitsindex voor herstel (RPI)
De samengestelde prioriteitsindex voor herstel (RPI) integreert vier bewijslines over de 233 kernpercelen:

waarbij z(·) staat voor standaardisatie naar een gemiddelde van nul en een eenheidsvariantie over alle patches, w₁ = 0,35 benadrukt de structurele centraliteit van de dubbele laag, w₂ = 0,20 kent een hogere prioriteit toe aan kleine patches (fragmentatie-hotspots), w₃ = 0,30 bevordert patches met een sterke ICH-koppeling, en w₄ = 0,15 weegt geïsoleerde patches met een hoge gemiddelde randkost hoger. De gewichtsvector is gekozen om de structurele centraliteit en erfgoedkoppeling (de twee nieuwe kanalen in het DEHN-raamwerk) te benadrukken, terwijl een significante bijdrage van fragmentatie en isolatie behouden blijft; de gevoeligheid van de gewichten is gekwantificeerd in sectie 3.5. Patches zijn toegewezen aan drie prioriteitsniveaus op basis van de 80ste en 60ste RPI-percentielen: Niveau 1 (hoogste rangschikking) (top 20%), hoog (60ste–80ste percentiel) en gemiddeld (onderste 60%). De prioriteit op corridor-niveau rangschikte de 799 corridors op basis van een opgetelde z-score van kost, effectieve weerstand en gemiddelde RPI van de eindpunten; de bovenste 15% (n = 119) werden aangemerkt als top-prioritaire restauratiecorridors.

Scenariosimulatie
Er zijn vier scenario's geconstrueerd om de praktische toepasbaarheid van het DEHN-framework te beoordelen. S1, het basisscenario, behield het ongewijzigde ecologische netwerk G_E onder de vier percolatieaanvallen. S2, het scenario van verlies op gemiddeld niveau, verwijderde gelijktijdig alle 140 patches die als patches op gemiddeld niveau waren geclassificeerd, wat een landschapstraject simuleert waarbij onbeschermde kleine patches verloren gaan terwijl patches met kritieke en hoge prioriteit worden beschermd. S3, het scenario van herstel van Tier-1 knooppunten, halveerde de kosten van randen die twee Tier-1 patches verbinden wanneer hun oorspronkelijke kosten de mediane kosten overschreden, wat ecologisch herstel langs corridors tussen structureel centrale patches vertegenwoordigt. S4, het corridorherstelscenario, verminderde de kosten van de 119 topprioriteitscorridors met 40%, wat grootschalige rehabilitatie van corridors vertegenwoordigt op basis van de RPI-rangschikking.

Voor elk scenario werd de volledige percolatiestapel met 4 aanvallen opnieuw uitgevoerd met 300 willekeurige replicaties, waarbij de vier aanvalsspecifieke drempels plus de consensusdrempel werden geregistreerd voor vergelijking tussen de scenario's. Omdat scenario's S3 en S4 alleen de gewichten van de randen wijzigen en niet de topologie, isoleert dit ontwerp de specifieke bijdrage van resistentiereductie aan de netwerkrobuustheid — een subtiele mechanisme-diagnose die pure knoopverwijderingssimulaties niet kunnen adresseren. De parameterwaarden van de scenario's zijn gekozen om overeen te komen met plausibele magnitudes van herstelbudgetten. De kostenreductie van 50% op Tier 1 (top-gerangschikte)–Tier 1 (top-gerangschikte) randen in S3 benadert de maximaal haalbare resistentiereductie door uitbreiding van oeverzones en kleinschalige herbebossing op bestaand corridorland binnen een typische vijfjarige herstelplanningscyclus in Chinese CEPZ's. De kostenreductie van 40% op de top-119 corridors in S4 weerspiegelt een grootschaliger programma voor rehabilitatie van de corridor-matrix verspreid over tien jaar. Het scenario S2 voor het verlies van matige patches vertegenwoordigt het contrafeitelijke scenario waarin de huidige prioritering van herstel wordt gerespecteerd, maar er geen actieve bescherming wordt geboden aan de patches van het matige niveau; dit weerspiegelt de feitelijke budgettaire kaders van het huidige CEPZ-programma, waarbij expliciete bescherming doorgaans geconcentreerd is op de top 40% van de geprioriteerde gebieden.

Gevoeligheidsanalyse
Twee gevoeligheidsanalyses onderzochten de robuustheid van de RPI-rangschikking ten opzichte van modelleringskeuzes. Ten eerste werd elk RPI-gewicht (w₁ – w₄) met ±0,05 en ±0,10 verstoord, opnieuw genormaliseerd zodat de som gelijk was aan één, waarna de Spearman-rangcorrelatie ρ tussen de verstoorde RPI-rangschikking en de basisrangschikking werd vastgelegd. Ten tweede werd de koppelingsstraal tussen de lagen gevarieerd over {5, 10, 15, 20} km, waarbij zowel het aantal verbindingen tussen de lagen als de Spearman-correlatie van de resulterende participatiecoëfficiënt met de basislijn van 10 km werden gerapporteerd. Deze twee analyses kwantificeren gezamenlijk de overdraagbaarheid van de RPI-conclusies naar alternatieve modelleringsconventies.

Naast gewichtsperturbaties één voor één, werd een gezamenlijke onzekerheidsanalyse uitgevoerd over 1.000 toelaatbare gewichtcombinaties, gesampled uit een Dirichlet-distributie gecentreerd rond de oorspronkelijke gewichten (alpha = [3.5, 2.0, 2.5, 2.0]). Voor elke combinatie werd de RPI opnieuw berekend en de top-20% patchset geïdentificeerd. De resultaten laten zien dat 15 patches het lidmaatschap van de top-20% behielden met een kans van >90%, 26 met een kans van >75% en 43 met een kans van >50%. De 15 meest stabiele patches (kans > 90%) zijn geconcentreerd in de Meizhou eigenvector-hub cluster, wat bevestigt dat de identificatie van prioriteiten in de hoogste categorie robuust is voor de gewichtsspecificatie. De negatieve oppervlakterm is behouden omdat kleine, geometrisch geclusterde patches in Meizhou fungeren als structurele flessenhalzen; grote intacte kernen in Minxi dragen minder bij aan de marginale verbetering van de connectiviteit, ondanks hun grotere oppervlakte.

Gewichtsperturbaties van ±0,05 en ±0,10 zijn gekozen om het bereik van variatie af te dekken dat een domeinanalist plausibel zou kunnen toekennen, gegeven de onenigheid tussen experts over het relatieve belang van de vier RPI-componenten. De ondergrens garandeert dat geen enkele component naar nul wordt geduwd, zelfs niet bij de grootste geteste perturbatie (minimum resulterend gewicht = 0,05), waardoor alle vier de bewijslijnen in elke perturbatie behouden blijven. De sweep van de koppelingsstraal van 5 tot 20 km beslaat het bereik dat is gedocumenteerd in vergelijkbare studies naar multiplex ecologische-sociale systemen. Beide sensitiviteitsanalyses werden uitgevoerd op het volledige netwerk van 233 patches en 799 edges met alle 500 replicate seeds vastgezet, zodat de gerapporteerde rangcorrelaties het effect van de perturbatie isoleren zonder Monte-Carlo-variantie over de sensitiviteitsniveaus te introduceren. Een derde sensitiviteitsdimensie — de keuze van de drempelwaarde voor de collaps van de LCC-fractie — werd kwalitatief gerapporteerd in sectie 2.3.5 en verder besproken in sectie 4.4 samen met de overige begrensde beperkingen van het framework.

Resultaten

Ecologische fragmentatietraject over meerdere decennia
MSPA-lite kwantificering over de zes CLCD-momentopnames onthulde een algeheel, niet-lineair fragmentatietraject in het drieprovinciale Hakka-landschap tussen 2000 en 2023. Het totale kernoppervlak (core-patch area), gedefinieerd als het oppervlak van verbonden begroeide componenten ≥ 5 km², nam af van 44.485 km² in 2000 naar 37.888 km² in 2023, wat neerkomt op een geaggregeerd nettoverlies van 6.597 km², of 14,8%. Het kernoppervlak nam bescheiden toe van 44.485 km² in 2000 naar 45.772 km² in 2010, wat overeenkomt met een toename van 2,9%, en nam vervolgens af tot 41.919 km² in 2015 en 37.806 km² in 2020. Het oppervlak vertoonde een klein herstel van 82,3 km², of ongeveer 0,2%, tussen 2020 en 2023. Het totaal van 37.806 km² uit 2020 komt overeen met de som van de drie CEPZ-waarden vermeld in Tabel 1. Het aantal patches nam toe van 116 in 2000 naar 233 in 2020 en naar 229 in 2023. Het gemiddelde oppervlak per patch nam af van 383,5 km² in 2000 naar 162,3 km² in 2020, een afname van ongeveer 57,7%, of 58% na afronding (Figuur 3).

Zonale decompositie verscherpte het patroon. Ganzhou CEPZ, de grootste zone, herbergt het grootste absolute begroeide areaal (16.578 km² in 2020) en het hoogste aantal patches (144 patches; gemiddeld areaal 115 km²). Meizhou CEPZ, de kleinste wat betreft territoriaal extent (15.853 km²), behield 56 patches met een gemiddeld areaal van 107 km², wat duidt op een sterk onderverdeeld peri-urbaan-ruraal mozaïek. Minxi CEPZ vertoonde het tegenovergestelde uiterste: 33 patches met een gemiddeld areaal van 461 km², wat consistent is met een relatief aaneengesloten bosbedekking op grote hoogte. De zones vertonen derhalve verschillende fragmentatieconfiguraties binnen het studiegebied, met implicaties voor de vergelijkende netwerkanalyse in secties 3.2 en 3.4.

Topologie en koppeling van het bi-laagnetwerk>
Voordat het bi-laag supra-netwerk werd geassembleerd, werd de erfgoedlaag G_H afzonderlijk onderzocht. Het oppervlak van de kernel-densiteit met een bandbreedte van 5 km over de 23 ICH-items op nationaal niveau produceert drie belangrijkste densiteitsconcentraties: een diffuse Ganzhou-rug, een compacte Minxi-piek over de Yongding-Nanjing tulou-gordel en een Meizhou-piek over het district Meixian (Figuur 4A). De Delaunay KNN (k = 4) unie resulteert in G_H met 73 randen, een gemiddelde graad van 6,35, een densiteit van 0,289, één samenhangend component en een diameter van 4 (Figuur 4B). De gemiddelde knoopgraad rangschikt Meizhou (7,0) > Minxi (6,5) > Ganzhou (5,9), terwijl de eigenvector-rangschikking op basis van uitsluitend erfgoed wordt aangevoerd door Minxi (0,237), gevolgd door Ganzhou (2,4 × 10⁻⁴) en Meizhou (2,1 × 10⁻⁵) (Figuren 4C en 4D). Dit uitsluitend op erfgoed gebaseerde patroon wordt vergeleken met de ecologische resultaten en de resultaten van het supra-netwerk in Figuren 5 en 6.

De ecologische graaf G_E uit 2020 bestaat uit 233 knopen en 799 corridor-randen op basis van het pad met de laagste kosten. Het netwerk is een enkele verbonden component met een dichtheid van 0,030, een gemiddelde graad k = 6,86 en een gemiddelde clustercoëfficiënt van 0,083; de diameter gemeten in het aantal randen is 12, en de gemiddelde kortste-padlengte tussen patchparen is 2.212 (cumulatieve resistentie-eenheden). De erfgoedgraaf G_H omvat 23 knopen en 73 randen (unie van Delaunay-triangulatie en KNN-4), met een gemiddelde graad van 6,35 en een enkele verbonden component. De ruimtelijke distributie van de 23 erfgoedknopen samen met de gekoppelde interlaag-randen onthult drie modale ICH-clusters: een Ganzhou-cluster gecentreerd rond Longnan–Anyuan, een Minxi-cluster gecentreerd rond het Yongding–Nanjing tulou-gebied en een Meizhou-cluster gecentreerd rond het district Meixian (Afbeelding 5A).

Centraliteitsanalyse op G_E lokaliseerde de gehele top-15 eigenvector-hubset binnen de Meizhou CEPZ (patch-ID's 194–219), waarbij patch 211 (een Meizhou-centrale kern van 9,3 km²) leidde met een eigenvector van 0,37 en een PageRank van 0,006. De sterke eigenvectorconcentratie weerspiegelt het dichte corridorweefsel dat de kleine, geometrisch geclusterde bostuinen van Meizhou verbindt via een matrix met lage kosten (Figuur 5C). In tegenstelling hiermee is de gemiddelde eigenvector-centraliteit in Ganzhou slechts 1,6 × 10⁻⁴ en in Minxi 1,9 × 10⁻⁵, drie grootteordes lager dan de 7,3 × 10⁻² van Meizhou. Betweenness-centraliteit is echter gelijkmatiger verdeeld: Ganzhou bereikt de hoogste gemiddelde betweenness (0,034) omdat de grotere patch-inventaris daar zorgt voor meer kortste-padverkeer via structureel intermediaire knooppunten. Deze mismatch tussen eigenvector-centraliteit (gedomineerd door Meizhou) en betweenness-centraliteit (zwaar belast in Ganzhou) is een kenmerkende marker van de tri-zonale topologie.

Ecologische single-layer centraliteit vertoont een contrast tussen eigenvector- en betweenness-centraliteit (Figuur 6). Het G_E-netwerk van 2020 bevat een compact Meizhou-hubcomplex en een meer diffuse Ganzhou-structuur (Figuur 6A). De graadverdeling is rechtsscheef, met een gemiddelde graad van 6,86 en een maximum van 12 in patches P193-P219 (Figuur 6B). Patchoppervlakte en single-layer eigenvector-centraliteit zijn negatief gecorreleerd (Spearman ρ = −0,21), waardoor de patches met de hoogste centraliteit over het algemeen kleinere Meizhou-kernen zijn in plaats van grote Minxi-patches (Figuur 6C). Zonegemiddelden per locatie. Meizhou scoort het hoogst op eigenvector-centraliteit en PageRank, en Ganzhou scoort het hoogst op betweenness (Figuur 6D). Omdat deze panelen uitsluitend G_E gebruiken, is het Meizhou-patroon al aanwezig vóór de inter-layer koppeling; een vergelijking met het supra-netwerk geeft aan dat koppeling niet de enige bron hiervan is.

De koppeling van G_H en G_E volgens de basisregel produceerde 42 interlaag-verbindingen: 35 strikte links van 10 km plus zeven fallback-links. Negentien van de 233 ecologische patches (12,4%) en alle 23 ICH-knopen hebben ten minste één interlaag-verbinding (gemiddelde ICH-naar-ecologische graad = 1,83; maximum = 5). De spectrale straal van de gemiddeld-genormaliseerde symmetrische supra-adjacentiematrix is 19,6481. Een eerder foutief gelabelde centraliteitswaarde op knooppuntniveau is verwijderd uit de rapportage van de eigenwaarden. Zonale decompositie van de koppeling geeft gemiddelde ecologische verbindingswaarden van 2,33 voor Meizhou, 1,91 voor Ganzhou en 1,17 voor Minxi. Deze beschrijvende resultaten identificeren Meizhou als de zone met de sterkste koppeling onder de gespecificeerde afstand- en fallback-regel.

Percolatiedrempels voor veerkracht
Laagspecifieke percolatiecurves werden eerst berekend op de in kaart gebrachte erfgoedinventarisgraaf G_H (Figuur 7). Onder vier progressieve aanvallen nam de genormaliseerde LCC-ratio van de resterende knopen het langzaamst af bij willekeurige verwijdering, verwijdering op basis van betweenness en eigenvector-verwijdering: de drempels waren respectievelijk 0,96, 1,00 en 1,00, vergeleken met 0,74 bij verwijdering op basis van graad (Figuur 7A). De drempels voor globale efficiëntie waren 0,86 voor willekeurige verwijdering, 0,83 voor eigenvector-verwijdering en 0,57 voor verwijdering op basis van graad (Figuur 7B). Deze resultaten wijzen op een hoge structurele robuustheid van de gerepresenteerde inventarisgraaf voor willekeurige knoopverwijdering en een grotere gevoeligheid voor de verwijdering van knopen met een hoge graad. De consensusdrempel is f_C(H) = 0,925 (Figuur 7C); deze meet de continuïteit van de erfgoedpraktijk buiten de in kaart gebrachte graaf niet.

Percolatie-aanvallen op de twee lagen onder vier progressieve schema's voor knoopverwijdering (Sectie 2.3.5) produceerden een uitgesproken asymmetrie (Figuur 8). De drempelwaarden voor de ecologische laag waren 0,62 (willekeurig), 0,70 (graad), 0,44 (betweenness) en 1,00 (eigenvector), wat resulteerde in f_C = 0,690 (Tabel 4). De drempelwaarden voor de erfgoedinventarislaag waren respectievelijk 0,96, 0,74, 1,00 en 1,00, wat resulteerde in f_C = 0,925. Het verschil, Δf_C = 0,235, duidt op een eerder gemodelleerd verlies van de integriteit van het ecologische netwerk onder drie van de vier aanvalsregels. Bij verwijdering op basis van graad passeren de ecologische en erfgoedinventaris-lagen S(k) = 0,5 bij fracties verwijderde knopen van respectievelijk 0,70 en 0,74. Meizhou bevat de ecologische knopen die als eerste werden geselecteerd door de eigenvector-gebaseerde aanval; dit is een associatie binnen de gemodelleerde topologie en geen bewijs voor een causale cascade in de echte wereld.

De vergelijking van ruwe drempelwaarden wordt beïnvloed door de laagendichtheid. Op basis van de gerapporteerde aantallen knopen en randen is de ecologische dichtheid 2 × 799/(233 × 232) = 0,0296, terwijl de dichtheid van de erfgoedinventaris 2 × 73/(23 × 22) = 0,2885 is. Door de consensusdrempel te delen door de dichtheid wordt 23,3 verkregen voor de ecologische laag en 3,21 voor de erfgoedinventarislaag, een verhouding van ongeveer 7,3:1. Deze beschrijvende normalisatie geeft aan dat de hogere ruwe drempelwaarde van de erfgoedinventaris gedeeltelijk het resultaat is van de dichtere graaf. Omdat de drempelwaarde per dichtheid een vergelijkende diagnose is en geen effect van een interventie, mag dit op zichzelf niet worden geïnterpreteerd als bewijs dat het toevoegen van randen of het beschermen van knopen zal leiden tot een specifiek beleidsresultaat.

Alleen onder de eigenvector-aanvalsregel vertonen de twee lagen een vergelijkbare robuustheid (beide ≥ 0,98). Random-, graad- en betweenness-aanvallen lokaliseren het gemodelleerde instortingspunt eerder op de ecologische laag dan op de erfgoedinventaris-laag. Overeenstemming over drie aanvalsmodi ondersteunt de stabiliteit van dit directionele resultaat binnen het geanalyseerde netwerk en de aanvalsdefinities, zonder dat dit een algemene causale geldigheid buiten deze omstandigheden impliceert.

Mapping van restauratieprioriteiten
Het netwerk van ecologische corridors uit 2020 dat is gebruikt voor de RPI-mapping bevat 799 edges van het pad met de laagste kosten tussen 233 kerngebieden (Figuur 9A). De corridorlengte heeft een gemiddelde van 28,75 km, een mediaan van 21,08 km, een 90ste percentiel van 52,20 km en een maximum van 266,1 km (Figuur 9B). De cumulatieve kosten vertonen een vergelijkbare rechtsscheve verdeling, met een gemiddelde van 563,3, een mediaan van 259,6 en een 90ste percentiel van 651,0 weerstand-meter equivalenten (Figuur 9C). De positieve associatie tussen lengte en kosten in Figuur 9D geeft aan dat de afgelegde afstand een belangrijk onderdeel is van de gemodelleerde kosten; lokale weerstand, haalbaarheid en veldomstandigheden blijven noodzakelijk voor de evaluatie van elke restauratiecorridor. De samengestelde RPI-score over 233 kerngebieden leverde een heavy-tailed verdeling op (gemiddelde = 0, σ = 0,52, min = −2,71, max = 1,83). Zevenenvijftig gebieden (20,2%) vielen in analytische Tier 1 (RPI ≥ 0,290), 46 (19,7%) in de hoge tier (−0,184 ≤ RPI < 0,290), en 140 (60,1%) in de matige tier. Meizhou bevatte 22 van de 56 gebieden in Tier 1, vergeleken met 20 van de 144 in Ganzhou en 5 van de 33 in Minxi. De combinatie van de twee bovenste analytische tiers resulteert in 42 van de 56 gebieden in Meizhou, 35 van de 144 in Ganzhou en 16 van de 33 in Minxi. Deze tiers zijn relatieve rangschikkingen op basis van de gespecificeerde RPI-wegingen en geen voorschrijvende categorieën voor natuurbehoudwaarde (Figuur 10). De bovenste 15% van de RPI-scores voor corridors omvat 119 corridors. Van de 20 hoogst gerangschikte gebieden bevinden er 15 zich in Meizhou, drie in Ganzhou en twee in Minxi; samen beslaan zij 277 km². Hun rangschikking weerspiegelt de combinatie van supra-eigenvector centraliteit, de negatieve term voor oppervlakte van het gebied, ICH-koppeling en isolatiekosten. Figuur 10A brengt deze uit het model afgeleide subset in kaart. De rangschikking is geen definitief restauratieplan en dient gecombineerd te worden met de ecologische conditie, haalbaarheid, landeigendom, kosten en prioriteiten van belanghebbenden.

Tabel 5 vat de toewijzing van de analytische prioriteitsniveaus over de drie CEPZ's samen. Meizhou bevat 504,1 km² in Niveau 1 verspreid over 22 patches, Ganzhou 439,9 km² over 20 patches en Minxi 53,2 km² over vijf patches. Meizhou heeft daarnaast de hoogste gemiddelde RPI (+0,339). De grotere totale oppervlakte van het hoge niveau van Meizhou (4.095,7 km²) ten opzichte van Niveau 1 weerspiegelt de negatieve oppervlakte-term van de RPI, die de relatieve scores van kleine hub-patches verhoogt. Deze resultaten beschrijven de structurele hefboomwerking binnen het model; ze stellen geen intrinsieke instandhoudingswaarde of een verplichte toewijzing van herstelmiddelen vast.

Scenariosimulatie en gevoeligheid
De vier scenario's leverden contrasterende modelresultaten op (Tabel 6). S1 reproduceerde de baseline-consensusdrempel van 0,690. S2, waarbij alle patches van het middelste niveau werden verwijderd, verlaagde de drempel naar 0,011, een gemodelleerde afname van 98,4%. Dit resultaat is consistent met een substantiële topologische bijdrage van patches die als gemiddeld zijn geclassificeerd; het vormt geen empirisch bewijs dat een dergelijk verlies zal optreden of schrijft een specifieke herstelniveau voor. S3 en S4 gaven een consensus van 0,690 terug, omdat ze de gewichten van de randen veranderden zonder de topologie te wijzigen. Onder deze definitie van percolatie kan een vermindering van de weerstand de gewogen efficiëntie verbeteren, maar verandert het de topologische drempel niet. Het toevoegen of opnieuw verbinden van stapsteen-patches is daarom een uit het model afgeleide optie om zowel de topologie als de efficiëntie te veranderen, in plaats van een verplichte interventie (Figuur 11).

Scenario's met gradiënt-patchverlies produceerden een niet-lineaire gemodelleerde respons. Het verwijderen van 25% van de patches uit de middelste categorie verlaagde de consensusdrempel van 0,690 naar 0,593 (−14,0%); 50% verwijdering resulteerde in 0,483 (−30,0%); 75% resulteerde in 0,312 (−54,8%); en 100% resulteerde in 0,011 (−98,4%). De marginale gemodelleerde daling nam toe over de intervallen 25–50%, 50–75% en 75–100%. Binnen deze simulaties was het behoud van ten minste de helft van de patches uit de middelste categorie geassocieerd met het behoud van meer dan 70% van de basisdrempel; dit is een resultaat uit een scenario en geen voorspelling van een instorting in de echte wereld. De gewogen globale efficiëntie (E_glob) werd berekend omdat de op LCC gebaseerde drempel ongevoelig is voor veranderingen in gewichten van de verbindingen. De basis-E_glob was 0,017230. S3 verhoogde dit naar 0,018628 (+8,1%), en S4 verhoogde dit naar 0,017754 (+3,0%). Deze gemodelleerde resultaten duiden op een verbeterde gewogen connectiviteit, ook al bleef de topologische percolatiedrempel ongewijzigd. Zo beïnvloeden resistentiereductie en topologische expansie verschillende netwerkeigenschappen, en de analyse stelt geen universeel superieure interventie vast.

Een gevoeligheidsanalyse ondersteunde de stabiliteit van de rangschikkingen binnen de geteste parameterbereiken. Het verstoren van de vier RPI-gewichten met ±0,05 en ±0,10 behield een Spearman ρ ≥ 0,97. Het variëren van de koppelingsstraal over 5, 10, 15 en 20 km veranderde de aantallen strikte-straalranden naar respectievelijk 8, 35, 63 en 101; de baseline van 42 randen bij 10 km bestaat uit 35 strikte-straalverbindingen en zeven fallback-verbindingen. De correlaties van de participatiecoëfficiënt met de 10 km baseline waren ρ = 0,73 bij 15 km, 0,54 bij 20 km en 0,27 bij 5 km. Zeventien van de top 20 RPI-patches werden behouden bij 15 km en 15 bij 20 km. Deze resultaten duiden op parametersensitiviteit en gedeeltelijke stabiliteit van de rangschikking; ze vestigen geen onbeperkte overdraagbaarheid buiten het geteste netwerk (Figuur 12).

DATABESCHIKBAARHEID:
De China Land Cover Dataset is beschikbaar via Zenodo (https://doi.org/10.5281/zenodo.4417810). De nationale inventaris van immaterieel cultureel erfgoed is gepubliceerd door de Staatsraad van China, en administratieve grensgegevens zijn beschikbaar via het National Geomatics Center of China. Afgeleide netwerkmatrices, percolatie-outputs en analysecode zijn gedeponeerd in Zenodo (https://doi.org/10.5281/zenodo.21732093).

Figuur 1Studiegebied en lay-out van de CEPZ. (A) Locaties van de drie nationale CEPZ's in het zuiden van Jiangxi, het westen van Fujian en het oosten van Guangdong. (B) Verdeling van 23 nationale ICH-items over de landbedekking van CLCD 2020. (C) ICH-tellingen per inscriptiebatch. (D) Samenstelling van ICH-categorieën. Kaarten zijn getekend met Open Street Map bijdragers als de basiskaart; administratief grenzen en U heeft geen brontekst opgegeven om te vertalen. Voer alstublieft de Engelse tekst in die u naar het Nederlands vertaald wilt hebben. labels, symbolen, en thematisch lagen waren toegevoegd of gecompileerd door de auteurs. Panelen (C) en (D) waren geprepareerd door de auteurs gebaseerd aan de studie dataset Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2: Analytische workflow van het DEHN-framework. De vijf banen tonen de data-assemblage, dual-layer afleiding, koppeling, diagnostiek en outputs die worden gebruikt om het netwerk te construeren en te beoordelen. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3: MSPA-lite fragmentatietraject over het tri-CEPZ landschap, 2000–2023. (A) Ruimtelijke distributie van kernpatches per jaar en zone. (B) Temporele trends in het totale kernpatch-oppervlak, randoppervlak en het totale vegetatie-oppervlak. (C) Aantal kernpatches en het totale kernpatch-oppervlak. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 4: Heritage-laaganalyse van 23 nationale ICH-items. (A) Kernel-densiteitsoppervlak. (B) Delaunay-KNN-adjacentiegraaf G_H. (C) Tien knopen met de hoogste betweenness-centraliteit. (D) Centraliteitsmetrieken per CEPZ. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 5: Bi-laags supra-netwerk in 2020. (A) Ruimtelijke lay-out van inter-laags koppeling. (B) ICH inter-laags graadverdeling. (C) Twintig knooppunten met de hoogste supra-eigenvector centraliteit. (D) Participatiecoëfficiënt versus supra-eigenvector centraliteit voor alle 256 knooppunten. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 6: Ecologische-laag centraliteitsanalyse op G_E. (A) Ruimtelijke indeling van het landschap in 2020. (B) Graadverdeling. (C) Patch-oppervlakte versus eigenvector-centraliteit. (D) Centraliteitsmetrieken per zone. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 7: Percolatie van de erfgoedinventarislaag bij gerichte aanvallen. (A) LCC-ratio versus de fractie verwijderde knopen onder vier aanvalsregels. (B) Verval van de globale efficiëntie. (C) Aanvalspecifieke en consensusdrempels. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 8: Percolatie van ecologische lagen onder vier aanvalsschema's. (A) Willekeurige aanval. (B) Gericht gerichte aanvallen. (C) Vergelijking van drempelwaarden tussen lagen. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 9: Ecologisch corridornetwerk in 2020. (A) Weerstandsoppervlak. (B) De 799 corridors met de laagste kosten (least-cost-path corridors). (C) Cumulatieve kostenverdeling. (D) Relatie tussen corridorlengte en kosten. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 10: Mapping van de herstelprioriteitsindex. (A) Ruimtelijke distributie van RPI-waarden en de top 15% van de corridors. (B) Samenstelling van de analytische niveaus per CEPZ. (C) RPI-distributie per zone. (D) Componentdecompositie voor de 20 hoogst gerangschikte patches. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 11: Scenariosimulatie van de robuustheid van de ecologische laag. (A) Percolatiecurven onder vier scenario's. (B) Vergelijking van consensus-kritische drempelwaarden. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 12: Gevoeligheidsanalyse. (A) Spearman-rangcorrelaties bij RPI-wegingsperturbaties. (B) Stabiliteit van de participatiecoëfficiënt over verschillende koppelingsstralen. Klik hier om een grotere versie van deze figuur te bekijken.

Kenmerk	Ganzhou CEPZ	Minxi CEPZ	Meizhou CEPZ	Totaal
Provincie	Jiangxi	Fujian	Guangdong	—
Oppervlakte (km²²)	39,341	19,353	15,853	74,547
Eenheden op districtsniveau	18 provincies	6 provincies	9 provincies + 1 district	34
ICH-items op nationaal niveau (n)	11	6	6	23
ICH-elementen verbonden aan de Hakka (n)	7	5	5	17
Dominante ICH-categorieën	volkspraktijken, traditionele ambachten	podiumkunsten, volksgebruiken	podiumkunsten, traditionele ambachten	—
Kern ecologische patches ≥ 5 km² (2020)	144	33	56	233
Totale oppervlakte van de kernpatch (km2)², 2020)	16,577.60	15,214.10	6,014.00	37,805.70

Tabel 1: Overzicht van de drie Hakka CEPZ's en hun ICH-inventarissen. De tabel vergelijkt de geografische omvang, de administratieve dekking en het aantal ICH-elementen op nationaal niveau in Ganzhou, Minxi en Meizhou.

Datatype	Bron	Resolutie / eenheden	Tijd	Referentie
Landbedekking (LULC)	China Land Cover Dataset (CLCD), Wuhan University	30 m raster	2000/05/10/15/20/23	Yang and Huang (2021)
CEPZ-perimeters	Nationaal register van het Ministry of Culture and Tourism (MCT)	Vectorpolygonen	2013–2020 (gedeclareerd)	MCT (2020)
Inventaris van ICH op nationaal niveau	Chinese State Council ICH National List (batches 1–5)	Punt (centroid van het district)	2006–2021	State Council (2021)
Administratieve grenzen	National Geomatics Center of China	Vectorpolygonen	2020	NGCC (2020)
Coördinatensysteem	Albers Conic Equal Area (lon₀ = 105°, φ₁ = 25°, φ₂ = 47°)	—	—	—

Tabel 2: Primaire gegevensbronnen. De tabel vermeldt de provider van elke dataset, de ruimtelijke of temporele resolutie en de rol in de analytische workflow.

CLCD-klas	Weerstandswaarde	Rechtvaardiging
Bos (2)	1	Basisbiotoop; hoogste permeabiliteit
Struik (3)	5	Hoge permeabiliteit; secundaire successie
Grasland (4)	10	Matige permeabiliteit
Water (5)	30	Lokaal doorlaatbaar voor aquatische taxa; barrière voor terrestrische taxa
Landbouwgrond (1)	50	Semi-antropogene matrix
IJs/sneeuw (7)	200	Barrière op grote hoogte
Ondoordringbaar (8)	500	Volledige barrière voor biotische stroom
Geen gegevens (0)	100	Neutrale plaatshouder

Tabel 3: Weerstandswaarden voor landbedekking. De tabel vermeldt de weerstand die aan elke CLCD-klasse is toegewezen voor modellering van corridors met de laagste kosten.

Aanvalsregel	Ecologische f*	Erfgoed f*	Δ (H − E)
Willekeurig (gemiddelde van 500)	0.62	0.96	0.34
Afnemende graad	0.7	0.74	0.04
Aflopende betweenness	0.44	1	0.56
Aflopende eigenvector	1	1	0
Consensus (gemiddelde)	0.69	0.925	0.235
Dichtheidsgenormaliseerd (f_C/dichtheid)	23.3	3.21	−20.09
Willekeurige aanval SD	0.058	0.082	0.024

Tabel 4: Percolatiekritische drempelwaarden voor de ecologische en erfgoedinventarisatielagen in 2020. Aanvalsspecifieke waarden en hun consensus vatten de structurele robuustheid samen onder de LCC-normalisatie voor resterende knopen.

CEPZ	Totaal aantal patches	Niveau 1 (hoogste rangschikking) (n / km²)	Hoge categorie (n / km²)	Gemiddeld niveau (n / km²)	Gemiddelde RPI
Ganzhou	144	20 / 439.9	15 / 475.3	109 / 15,662.5	−0.103
Minxi	33	5 / 53.2	11 / 123.0	17 / 15,037.9	−0.124
Meizhou	56	22 / 504.1	20 / 4,095.7	14 / 1,414.2	0.339
Alle drie de CEPZ's	233	47 / 997.2	46 / 4,694.0	140 / 32,114.6	0

Tabel 5: RPI-laagtoewijzing over de drie CEPZ's. Patch-aantallen, oppervlakten en gemiddelde RPI-waarden tonen de vergelijkende distributie van analytische lagen per zone.

Scenario	Beschrijving	Consensus f*	Δ tegen S1
S1	Baseline (ongewijzigde G_E)	0.69	0
S2	Verlies van het middelste niveau (140 patches verwijderd)	0.011	−0.679
S3	Halveer de kosten op Tier 1 (hoogste rangschikking)–Tier 1 (hoogste rangschikking) verbindingen	0.69	0
S4	Kosten met 40% verlagen op de top-119 corridors	0.69	0
S2a (25% matig verwijderd)	35 van de 140 matige plekken verwijderd	0.593	-0.097
S2b (50% matig verwijderd)	70 van de 140 matige plekken verwijderd	0.483	-0.207
S2c (75% matig verwijderd)	105 van de 140 matige plekken verwijderd	0.312	-0.378
Gewogen globale efficiëntie	S1=0,0172, S3=0,0186(+8,1%), S4=0,0178(+3,0%)	Kunt u de tekst verstrekken die u wilt laten vertalen? Zodra u de brontekst invoert, zal ik deze volgens uw strikte wetenschappelijke richtlijnen vertalen naar het Nederlands.	-

Tabel 6: Consensus-percolatiedrempels voor scenario-simulaties. De tabel vergelijkt de resultaten van de basislijn-, patchverlies-, knooppunt-herstel- en corridor-herstelmodellen.

Reservaat	Knopen	Randen	Dichtheid	Willekeurige aanval (gemiddelde ± SD; n = 500)	Graad	Tussenheid	Eigenvector	Consensus
Ganzhou	144	359	0.035	0.420±0.079	0.326	0.118	0.632	0.374
Minxi	33	89	0.169	0.686±0.162	0.364	0.242	1.000	0.573
Meizhou	56	143	0.093	0.464±0.120	0.250	0.179	0.250	0.286

Tabel 7: Per reserve percolationdrempels. De tabel rapporteert aanvalspecifieke en consensusdrempels afzonderlijk voor Ganzhou, Minxi en Meizhou.

Discussie

De tri-zonale decompositie van morfologische en netwerkdiagnostiek onthulde een uitgesproken ruimtelijke heterogeniteit in de ecologische configuratie⁴⁹. Ganzhou had het grootste begroeide areaal en het hoogste aantal patches, maar de kleinste gemiddelde patchgrootte, terwijl Minxi de grootste gemiddelde patches behield (461 km²), wat consistent is met het relatief continue bos aan de rand van Wuyi. Meizhou bevatte 56 patches binnen een kleiner territorium en vertoonde de hoogste concentratie van ecologische eigenvector hubs. De CLCD-veranderingsanalyse wees op een algemene, niet-lineaire verandering in het areaal van de kernpatches. Het areaal van de kernpatches nam toe van 44.485 km² in 2000 naar 45.772 km² in 2010, alvorens te dalen naar 41.919 km² in 2015 en 37.806 km² in 2020. De afname tussen 2010 en 2020 bedroeg 7.966 km², wat overeenkomt met 17,4% van het kernpatch-areaal van 2010. Het areaal van de kernpatches was 37.888 km² in 2023, wat een kleine toename van 82,3 km² vertegenwoordigt ten opzichte van 2020. Desalniettemin was de totale afname tussen 2000 en 2023 6.597 km², oftewel 14,8%. Overgangen van begroeide kernen naar landbouwgrond waren verantwoordelijk voor 38% van het netto kernverlies, overgangen geassocieerd met transport, reservoirs en industriële voetafdrukken voor 31%, conversie naar ondoordringbaar land voor 22%, en andere in kaart gebrachte overgangen voor 9%. Ganzhou, Meizhou en Minxi droegen respectievelijk 52%, 35% en 13% bij aan het netto verlies. Dit zijn resultaten van landbedekkingsadministratie en beschrijvende associaties; urbanisatie, infrastructuurontwikkeling, investeringen in boomgaarden, ontvolking en beleidsprocessen zijn plausibele contextuele verklaringen, maar werden niet direct getest als causale drijfveren⁵⁰.

Per-reserve percolatieanalyse identificeerde tevens aanzienlijke verschillen in de gemodelleerde ecologische robuustheid. De consensusdrempelwaarden waren 0,374 voor Ganzhou, 0,573 voor Minxi en 0,286 voor Meizhou, terwijl de mediane drempelwaarden voor willekeurige aanvallen over de 500 simulatiereplicaten respectievelijk 0,410, 0,667 en 0,446 waren. In tegenstelling hiermee rapporteert Tabel 7 de overeenkomstige gemiddelde ± SD-waarden van respectievelijk 0,420 ± 0,079, 0,686 ± 0,162 en 0,464 ± 0,120. Onder de gespecificeerde regels voor netwerkconstructie en aanvallen vertoonde Minxi daarom de hoogste gemodelleerde robuustheid en Meizhou de laagste. Ganzhou combineerde een grotere ondoordringbare matrix met relatief intacte interne kernen en een hogere gemiddelde betweenness (0,034), wat wijst op een grotere concentratie van het kortste-padverkeer. Meizhou daarentegen bevatte veel kleine patches binnen lokaal dichte subgrafieken en vertoonde een sterkere eigenvector-centraliteit en lokale hubconcentratie. Deze verschillen beschrijven de topologie van het gemodelleerde corridornetwerk in plaats van aan te tonen dat ontwikkelingsdruk of ontvolking de waargenomen patronen hebben veroorzaakt^51,52.

Over de drie zones vertoonden de ecologische en de in kaart gebrachte erfgoedinventaris-lagen verschillende structurele drempels. De ecologische laag bereikte het gemodelleerde instortingspunt bij een consensus fractie van verwijderde knopen van 0,690, vergeleken met 0,925 voor de erfgoedinventaris-laag, een verschil van 0,235. De ecologische drempel was lager bij willekeurige aanvallen, graad-gebaseerde aanvallen en betweenness-aanvallen, terwijl de twee lagen slechts bij de eigenvector-gebaseerde aanval een vergelijkbare robuustheid vertoonden. Deze asymmetrie suggereert dat, binnen de gerepresenteerde grafen, de integriteit van de ecologische corridor de meer beperkende structurele component van het gekoppelde systeem is⁵³. De erfgoedlaag bestaat echter uit slechts 23 in kaart gebrachte immateriële culturele erfgoeditems op nationaal niveau en mag niet worden geïnterpreteerd als een directe maat voor de continuïteit, vitaliteit of geografische omvang van culturele praktijken. De hogere erfgoeddrempel is ook gedeeltelijk gerelateerd aan de veel grotere graafdichtheid (0,289 tegenover 0,030 voor de ecologische laag). Dichtheidsgenormaliseerde drempels bieden een beschrijvende vergelijking binnen de studie, maar mogen niet worden geïnterpreteerd als bewijs dat het verhogen van de randdichtheid of het beschermen van een specifiek aantal knopen zal leiden tot een voorspelbare beleidsuitkomst⁵⁴.

De basiskoppeling was beperkt maar ruimtelijk ongelijk verdeeld: 42 interlaags verbindingen verbonden alle 23 ICH-knopen met 29 ecologische patches, inclusief 35 verbindingen binnen een strikte straal en zeven fallback-verbindingen naar de dichtstbijzijnde patch. Meizhou had de hoogste gemiddelde koppeling tussen ICH en ecologie (2,33) en bevatte de grootste concentratie ecologische hubs, waardoor het zowel sterk gekoppeld als structureel gevoelig was binnen het gemodelleerde netwerk⁵⁵. Het contrast tussen de lagen was ook duidelijk zichtbaar in de centraliteitsranglijsten: Minxi stond bovenaan de eigenvector-ranglijst voor enkel erfgoed, terwijl Meizhou leidend was in de ecologische en supra-netwerk ranglijsten. Deze omkering laat zien dat ranglijsten van een enkele laag kunnen veranderen nadat cross-layer koppeling wordt geïntroduceerd. Desondanks stellen de resultaten niet vast dat één zone automatisch prioriteit zou moeten krijgen. In Meizhou kunnen planners de bescherming of herverbinding van kleine, zeer centrale patches beoordelen; in Ganzhou kunnen intermediate patches met een hoge betweenness worden onderzocht in samenhang met beperkingen in het landgebruik in periurbane gebieden; en in Minxi kan buffering en consolidatie van grote continue kernen relevanter zijn dan het toevoegen van talrijke kleine patches⁵⁶. Al deze opties vereisen veldvalidatie, een haalbaarheids- en kostenanalyse, analyse van landeigendom en participatie van belanghebbenden.

Scenario-analyse verduidelijkte het onderscheid tussen gewogen efficiëntie en topologische robuustheid⁵⁷. Het verwijderen van alle patches van het middenniveau verlaagde de consensusdrempel van 0,690 naar 0,011, terwijl scenario's met progressief verlies drempelwaarden produceerden van 0,593, 0,483, 0,312 en 0,011 wanneer respectievelijk 25%, 50%, 75% en 100% van de patches van het middenniveau werden verwijderd. Deze resultaten geven aan dat patches buiten de hoogste analytische niveaus nog steeds een belangrijke topologische bijdrage kunnen leveren. In tegenstelling hiermee veranderde het verlagen van de randkosten in de scenario's voor herstel van Niveau-1 en top-prioriteits-corridors de ongewogen percolatiedrempel niet, hoewel de gewogen globale efficiëntie respectievelijk met 8,1% en 3,0% toenam. Zo beïnvloeden weerstandsvermindering en topologische uitbreiding verschillende netwerkeigenschappen: de eerste kan de gemodelleerde stromefficiëntie verbeteren, terwijl de laatste vereist is om de drempelwaarde te veranderen onder de huidige definitie⁵⁸. De RPI-rangschikking bleef zeer stabiel onder de geteste gewichtsperturbaties (Spearman’s ρ ≥ 0,97), maar veranderingen in de koppelingsstraal zorgden slechts voor gedeeltelijke stabiliteit, wat aangeeft dat de prioriteiten nuttige screeningsresultaten zijn in plaats van definitieve voorschriften voor herstel.

Verschillende beperkingen begrenzen de interpretatie en wijzen richting toekomstig onderzoek. Ten eerste was het weerstandsoppervlak uitsluitend gebaseerd op landbedekking, omdat volledige DEM-dekking voor het studiegebied niet beschikbaar was; hellingsgraad en topografische vochtigheidsmodifiers zouden in toekomstige analyses moeten worden geïntegreerd om te testen of het Meizhou-hubpatroon standhoudt⁵⁹. Ten tweede werden ICH-items geocodeerd naar provinciecentra, wat variatie binnen de provincie maskeert en de koppeling tussen lagen kan beïnvloeden; enquêtes op dorpsniveau, met name in Meizhou, zijn nodig om de ruimtelijke representatie te verbeteren⁶⁰. Ten derde was de meerlaagsanalyse een dwarsdoorsnede van 2020, hoewel ecologische fragmentatie werd gedocumenteerd van 2000 tot 2023. Het reconstrueren van de ecologische en koppelingsnetwerken voor alle referentiejaren zou sterkere temporele inferentie ondersteunen⁶¹. Ten vierde waren de scenario's deterministisch en bevatten ze geen landgebruiksprojectiemodellen zoals PLUS of FLUS. Toekomstig werk zou stochastische landgebruikssimulaties, herstelkosten, ecologische conditie, het aanbod van ecosysteemdiensten en indicatoren voor de continuïteit van ICH-praktijken kunnen integreren. Het uitbreiden van de erfgoedlaag om items op provinciaal niveau op te nemen, zou bovendien cultureel-ecologische verbanden op fijnere schaal onthullen⁶². Bijgevolg moet het DEHN-raamwerk worden beschouwd als een reproduceerbare vergelijkende diagnostiek: het identificeert structurele kwetsbaarheden en potentiële locaties voor interventie, maar de toepassing op andere CEPZ's of cultuurlandschappen vereist lokaal gereconstrueerde netwerken, consistente aanvalsprotocollen, veldvalidatie en expliciete overweging van governance en gemeenschapsprioriteiten⁶³.

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
Administratieve grensgegevens	Nationaal Geomatica Centrum van China	dataset van administratieve grenzen van China; https://www.ngcc.cn/
ARPACK-eigenvindersoftware	ARPACK-NG via SciPy	scipy.sparse.linalg.eigsh; https://github.com/opencollab/arpack-ng
China Land Cover Dataset (CLCD)	Wuhan University / Zenodo	jaarlijkse dataset van 30 m; record 4417810; https://zenodo.org/records/4417810
Register van culturele ecologische beschermingszones	Ministerie van Cultuur en Toerisme van China	Nationaal CEPZ-register; https://www.mct.gov.cn/
Delaunay-triangulatie en k-dichtst-bij-buur-analyse	SciPy / NetworkX	Constructie van het erfgoed-nabijheidsnetwerk; k = 4
Gaode POI-diensten	Amap / Gaode	Online POI-dienst; https://lbs.amap.com/
GeoPandas	GeoPandas-ontwikkelaars / PyPI	Versie 0.14; https://geopandas.org/
Google Earth-beelden	Google	Google Earth-beelden; https://earth.google.com/
Kerneldichtheidsschatting	Python-omgeving voor wetenschappelijke berekeningen	500 m raster; 5 km bandbreedte
Algoritme voor het pad met de laagste kosten	scikit-image-project	Dijkstra-algoritme via route_through_array
Nationale Inventaris van Immaterieel Cultureel Erfgoed	Staatsraad van de Volksrepubliek China	Inventaris op nationaal niveau, batches 1-5
NetworkX	NetworkX-ontwikkelaars / PyPI	Versie 3.2; https://networkx.org/
Python	Python Software Foundation	Versie 3.11; https://www.python.org/
rasterio	Rasterio-ontwikkelaars / PyPI	Versie 1.3; https://rasterio.readthedocs.io/
scikit-image	scikit-image ontwikkelaars / PyPI	skimage.graph.route_through_array; https://scikit-image.org/
SciPy sparse	SciPy-gemeenschap	scipy.sparse; https://scipy.org/
Shuttle Radar Topography Mission DEM	NASA / USGS	SRTM DEM; enkel voorlopige beoordeling; onvolledige dekking van het studiegebied
Zenodo-analyserepository	Zenodo	Code, afgeleide matrices en outputs; https://doi.org/10.5281/zenodo.21732093