Niniejsze badanie opracowuje dwuwarstwową sieć ekologiczno-dziedzictwa dla trzech stref ochrony ekologicznej kultury Hakka w południowych Chinach. Analiza perkolacji pozwala zidentyfikować odmienne progi odporności strukturalnej dla warstwy ekologicznej oraz warstwy zmapowanego inwentarza dziedzictwa, natomiast wskaźnik priorytetu restauracji (Restoration Priority Index) wskazuje wpływowe płaty. Przedstawione ramy metodologiczne umożliwiają opartą na dowodach analizę porównawczą opcji renowacji i monitoringu w poszczególnych strefach.
Artykuł badawczy
Ocena progów odporności w dwuwarstwowych sieciach ekologiczno-dziedzictwowych w strefach ochrony kultury Hakka z wykorzystaniem teledetekcji
W tym artykule
Podsumowanie
Streszczenie
Niniejsze badanie proponuje strukturę dwuwarstwowej sieci ekologiczno-dziedzictwa (Dual-layer Ecological–Heritage Network, DEHN), modelującą łączność ekologiczną i niematerialne dziedzictwo kulturowe jako sprzężony graf dwuwarstwowy, zastosowaną w trzech strefach ochrony ekologiczno-kulturowej Hakka w południowych Chinach (74 547 km2). W szczególności, wykorzystując MSPA-lite na danych o pokryciu terenu (2000–2023), autorzy zbudowali sieć ekologiczną składającą się z 233 węzłów i 799 krawędzi, sprzężoną z siecią dziedzictwa obejmującą 23 węzły i 73 krawędzie za pomocą schematu zaniku dystansu 10 km. Dodatkowo, ataki perkolacyjne ujawniły krytyczne progi na poziomie 0,690 dla warstwy ekologicznej i 0,925 dla warstwy dziedzictwa, co wskazuje, że sieć ekologiczna traci spójność wcześniej niż sieć inwentaryzacyjna niematerialnego dziedzictwa kulturowego. Wskaźnik Priorytetu Renaturyzacji (Restoration Priority Index) zidentyfikował 47 płatów 1. stopnia (najwyżej ocenianych) oraz 46 płatów o wysokim priorytecie, przy czym w Meizhou skoncentrowano 75% płatów z najwyższych poziomów. Symulacje kontrfaktyczne wykazują, że redukcja kosztów krawędzi zmienia progi załamania, podczas gdy utrata płatów obniża je o 98,4%, co wymusza ekspansję topologiczną poprzez nowe płaty pełniące rolę „kamieni przeskoku” (stepping-stone patches). Struktura DEHN zapewnia ogólnie znormalizowane względem gęstości porównanie (23,3 vs. 3,21), wykazując, że warstwa ekologiczna jest bardziej odporna na jednostkę łączności, co stanowi przenaszalny wzorzec dla planowania sprzężonej renaturyzacji w chronionych strefach kulturowo-ekologicznych. Struktura DEHN nawiązuje do Celu Zrównoważonego Rozwoju 11.4 („Wzmocnienie wysiłków na rzecz ochrony i zabezpieczenia światowego dziedzictwa kulturowego i naturalnego”) oraz celu Aichi w zakresie różnorodności biologicznej 11 (ochrona co najmniej 17% obszarów lądowych). Zidentyfikowane progi perkolacyjne (ekologiczne f_C = 0,690, dziedzictwa f_C = 0,925) stanowią ilościowe punkty odniesienia do oceny, czy zarządzanie strefami CEPZ utrzymało odporność sieci powyżej progu załamania. Wynik wskazujący, że 47 płatów (20% sieci ekologicznej) stanowi 1. stopień (najwyżej oceniany), których utrata wywołałaby awarię kaskadową, sugeruje, że wyznaczenie granic CEPZ — które nie nadaje priorytetu tym topologicznie krytycznym płatom — może być niewystarczające do osiągnięcia celów SDG 11.4. Autorzy zalecają, aby plany zarządzania CEPZ uwzględniały progi odporności sieci jako wskaźniki monitorowania, raportując corocznie, czy konsensus f_C pozostaje powyżej 0,50 (operacyjna definicja załamania sieci).
Wprowadzenie
W skali globalnej powiązane krajobrazy ekologiczne i kulturowe są jednocześnie przekształcane przez urbanizację, wyludnianie obszarów wiejskich oraz zmienność klimatu, co zagraża zarówno integralności biofizycznej, jak i ciągłości dziedzictwa1,2. Krajobrazy kulturowe obszarów górzystych są szczególnie narażone: koncentrują one nieproporcjonalnie dużą część niematerialnego dziedzictwa kulturowego, będąc jednocześnie ostoją ostatnich ciągłych rdzeni leśnych w wielu gęsto zaludnionych regionach3. Cel Zrównoważonego Rozwoju 11.4 oraz Cel z Aichi 11 wspólnie wzywają do ochrony światowego dziedzictwa kulturowego i przyrodniczego oraz ochrony siedlisk reprezentatywnych ekologicznie, jednak dekada monitoringu wykazuje, że w wielu jurysdykcjach dwa te cele rozwijają się asynchronicznie4. W Chinach krajowy program Stref Ochrony Ekologiczno-Kulturowej (CEPZ) wyznacza spójne jednostki terytorialne, w których integralność ekologiczna i niematerialne dziedzictwo mają być konserwowane jako jeden system5. Mimo to, ponad piętnaście lat po jego ustanowieniu, polityka CEPZ była oceniana niemal wyłącznie za pomocą wskaźników opartych na inwentaryzacjach, a nie poprzez mechanizmy przestrzenne łączące te dwie warstwy. Pozostaje jednak empirycznie nierozwiązane na żadnym poziomie, czy podsystemy ekologiczne i dziedzictwa w ramach CEPZ ulegają degradacji synchronicznie, czy też na rozbieżnych trajektoriach w odpowiedzi na odrębne stresory.
Poprzez reorganizację rozmieszczenia i przepuszczalności macierzy siedliskowych, fragmentacja krajobrazu zmienia samą łączność, która stanowi podstawę świadczenia usług ekosystemowych6. Fragmentację powszechnie kwantyfikuje się za pomocą wskaźników wzorca krajobrazu — gęstości płatów, nieregularności kształtu, różnorodności Shannona pokrycia terenu — często w połączeniu z analizami ruchomego okna7. W ostatnim czasie analiza morfologicznych wzorców przestrzennych (MSPA) — oraz jej uproszczone warianty (MSPA-lite) zastosowane w niniejszej pracy — stała się podstawowym narzędziem do izolowania struktury siedlisk typu rdzeń–krawędź–pomost w chińskiej ekologii regionalnej8,9. Narzędzia morfologiczne te są informacyjne, lecz zasadniczo nieprzestrzenne w odniesieniu do przepływu organizmów lub usług ekosystemowych (ES): opisują one rozmieszczenie fragmentów siedlisk, ale nie wskazują, w jaki sposób i jaką ścieżką usługi ekologiczne rozprzestrzeniają się między rdzeniami siedlisk10. Ograniczenie to jest szczególnie istotne w chińskich CEPZ, gdzie samą przesłanką polityczną jest to, że obiekty ekologiczne i dziedzictwa są funkcjonalnie połączone w obrębie krajobrazu. Jednak bez modelu przestrzennego uwzględniającego mechanizmy, same wskaźniki krajobrazowe nie mogą ujawnić ścieżek łączności, które zarządzanie CEPZ powinno chronić.
Modele łączności oparte na teorii grafów i obwodów częściowo wypełniły tę lukę w zakresie usług ekosystemowych. Analizy najmniej kosztownej ścieżki (LCP) na powierzchniach oporu pochodzących z map użytkowania terenu są obecnie standardowymi narzędziami do wyznaczania korytarzy ekologicznych między rdzeniami siedlisk11,12. Teoria obwodów (Circuitscape) traktuje krajobraz jako sieć oporową i oblicza prawdopodobieństwa przepływów wielościeżkowych13. Niedawne syntezy sieci multipleksowych wykazały, że te jednowarstwowe narzędzia można rozszerzyć w celu reprezentacji przepływów usług ekosystemowych w relacji podaż-popyt14,15. W przypadku dziedzictwa kulturowego kwantyfikacja przestrzenna rozwijała się w innych kierunkach. Estymacja gęstości jądrowej (KDE) stała się domyślnym sposobem reprezentacji skupisk niematerialnego dziedzictwa kulturowego16, a grafy kombinatoryczne — zazwyczaj triangulacje Delaunaya lub sieci k-najbliższych sąsiadów dla zadeklarowanych lokalizacji dziedzictwa — oddają dyskretną strukturę relacyjną zasobów dziedzictwa17. Jednak sieci ekologiczne i dziedzictwa niemal zawsze traktowano jako równoległe obiekty jednowarstwowe18,19; możliwość ich połączenia w supra-sieć z dynamiką propagacji sterowaną wspólnie przez obie warstwy nie została jeszcze zoperacjonalizowana w skali CEPZ20,21. W konsekwencji nieznane pozostają progi odporności, przy których sprzężone sieci dwuwarstwowe tracą swoją dużą składową spójną w wyniku postępującego usuwania stresorów.
Modele sieciowe — w których węzły reprezentują uczestników, a krawędzie kodują interakcje — dostarczają aparatu matematycznego do wypełnienia tej luki22. Sieci wielowarstwowe i multipleksowe generalizują reprezentację grafową dla systemów, w których ci sami aktorzy uczestniczą w strukturalnie odmiennych reżimach interakcji23, oferując kompaktowe narzędzia do pomiaru sprzężenia międzywarstwowego, partycypacji międzywarstwowej oraz odporności specyficznej dla danej warstwy. W badaniach nad sieciami ekologicznymi symulacje usuwania węzłów oparte na perkolacji były wykorzystywane do identyfikacji krytycznej frakcji f*, przy której następuje zapadnięcie się największego komponentu spójnego — powszechnie akceptowanego wskaźnika odporności strukturalnej24. Rozszerzenie tych narzędzi na sprzężoną architekturę ekologiczno-dziedzictwa wymaga (i) jawnego schematu sprzężenia międzywarstwowego, który odzwierciedla bliskość przestrzenną między rdzeniami siedlisk a punktami dziedzictwa, (ii) protokołu ataku celującego w każdą warstwę niezależnie w celu wyizolowania podatności specyficznych dla warstw oraz (iii) złożonego indeksu priorytetów, który przekłada diagnostykę sprzężonej sieci z powrotem na możliwe do realizacji cele renaturyzacji. Opracowane w niniejszej analizie ramy Dual-layer Ecological–Heritage Network (DEHN) operacjonalizują te trzy wymagania i na tej podstawie kwantyfikują progi odporności obu warstw, wraz z ich diagnostyką międzywarstwową, w skali wielu CEPZ.
Strefy Ochrony Ekologicznej Kultury Hakka stanowią gradient porównawczy o wyjątkowej wartości analitycznej. Obejmując trzy strefy szczebla krajowego — Ganzhou w południowym Jiangxi, Minxi w zachodnim Fujianie oraz Meizhou w wschodnim Guangdongu — hakkańskie CEPZ wspólnie pokrywają 74 547 km2 gór Wuyi-Nanling-Lianhuashan i goszczą 23 elementy niematerialnego dziedzictwa kulturowego szczebla krajowego, zarejestrowane w kategoriach sztuk performatywnych, tradycyjnego rzemiosła i praktyk ludowych25,26. W przeciwieństwie do suchych basenów śródlądowych, gdzie jednokierunkowość hydrologiczna napędza przepływ usług ekosystemowych, góry Hakka charakteryzują się gęstą tkanką korytarzy między licznymi małymi rdzeniami siedlisk, dziedzictwem zakorzenionym w wielowiekowej architekturze domostw obronnych27 oraz trwającym od dziesięcioleci trendem depopulacji, który sprawił, że w wielu hrabstwach górskich odpływ netto mieszkańców przekroczył 30% zarejestrowanych rezydentów28. To połączenie — wysokiej gęstości dziedzictwa, kurczącej się populacji wiejskiej i trwałych lasów górskich — oferuje zestaw sprzężonych czynników stresowych (utrata ekologiczna napędzana urbanizacją kontra zanik dziedzictwa napędzany depopulacją), który modele wielowarstwowe przewidywały teoretycznie, lecz rzadko obserwowano empirycznie w skali subnarodowej29. Istniejące studia przypadków pojedynczych stref dziedzictwa Hakka dostarczyły bogatych wglądów etnograficznych i typologicznych, ale nie rozstrzygnęły kwestii sprzężonej dynamiki przestrzennej warstw ekologicznych i dziedzictwa30. Ponieważ trzy strefy leżą w tym samym pasie klimatycznym i topograficznym, ale mierzą się z odmiennymi mieszankami stresorów — ekspansją podmiejską Ganzhou, intensyfikacją turystyki w tulou w Minxi oraz depopulacją napędzaną przez diasporę w Meizhou — wspólnie funkcjonują one jako potrójny gradient porównawczy do analizy zestawionej. Opracowany tutaj model ma zatem potencjał do generalizacji poza przypadek Hakka, dostarczając transferowalnego szablonu diagnostycznego dla piętnastu pozostałych krajowych stref CEPZ oraz dla krajobrazów kulturowych w innych częściach świata, które zmagają się z analogicznym sprzężeniem stresorów31.
W oparciu o tę lukę badawczą sformułowano dwa powiązane pytania. Po pierwsze, czy sieć korytarzy ekologicznych i sieć niematerialnego dziedzictwa na obszarze w skali CEPZ dzielą wspólny krytyczny próg perkolacji w warunkach progresywnych ataków losowych i celowych, czy też obie warstwy ulegają awarii przy strukturalnie różnych frakcjach utraty węzłów? Po drugie, jeśli obie warstwy wykazują odmienną odporność, która z nich stanowi wiążące ograniczenie dla integralności sprzężonego systemu i gdzie inwestycje w renowację najefektywniej redystrybuują to ograniczenie? Aby odpowiedzieć na te pytania, w niniejszym badaniu (i) skonstruowano dwuwarstwową sieć ekologiczno-dziedzictwa (Dual-layer Ecological–Heritage Network, DEHN), która integruje analizę morfologicznych wzorców przestrzennych sześciu migawek z zestawu danych China Land Cover Dataset o rozdzielczości 30 m z oszacowaniem gęstości jądra dla 23 elementów niematerialnego dziedzictwa kulturowego na poziomie krajowym; (ii) określono specyficzne dla warstw konsensualne progi perkolacji przy zastosowaniu czterech progresywnych reguł usuwania węzłów oraz scharakteryzowano strukturę sprzężenia międzywarstwowego za pomocą udziału w multipleksie i centralności supra-wektora własnego; oraz (iii) wypracowano złożony wskaźnik priorytetów renowacji (Restoration Priority Index, RPI) i oceniono jego praktyczną przydatność poprzez symulację scenariuszy oraz wieloparametrową analizę wrażliwości. Powstałe ramy stanowią jawny mechanistycznie, oparty na teledetekcji fundament decyzyjny dla planowania ekologicznej renowacji CEPZ w południowych Chinach oraz w porównywalnych wielowarstwowych obszarach dziedzictwa.
Protokół
Obszar badań
System Stref Ochrony Ekologicznej Kultury Hakka (CEPZ) składa się z trzech wyznaczonych na szczeblu krajowym stref ochronnych, obejmujących górzyste pogranicze prowincji Jiangxi, Fujian i Guangdong w południowych Chinach (23°23′–27°08′ N, 113°50′–116°44′ E) (Rysunek 1A–D). Trzy strefy — CEPZ Ganzhou w południowym Jiangxi, CEPZ Minxi w zachodnim Fujian oraz CEPZ Meizhou we wschodnim Guangdong — obejmują łącznie 74 547 km2 i obejmują 34 jednostki administracyjne na poziomie powiatu (33 powiaty oraz jeden ośrodek dzielnicowy miasta), tworząc geograficzne jądro sfery kulturowej Hakka. CEPZ Ganzhou jest największa z trzech (39 341 km2), obejmując 18 powiatów w obrębie dorzecza rzeki Ganjiang i podnóża gór Wuyi; charakteryzuje się najwyższym zagęszczeniem zamkniętych domostw Hakka (weilongwu) oraz najgęstszym rozmieszczeniem lądowych tulou. CEPZ Minxi (19 353 km2) obejmuje 6 powiatów z centrum w Longyan i Sanming, gdzie wpisane na listę UNESCO zespoły tulou w prowincji Fujian stanowią flagowy przykład dziedzictwa architektonicznego. CEPZ Meizhou (15 853 km2) obejmuje 9 powiatów w środkowym biegu rzeki Meijiang i jest uznawana na świecie za „Stolicę Kultury Hakka” z najwyższym w przeliczeniu na mieszkańca współczynnikiem zagranicznej diaspory Hakka.
Topografię dominują góry o średniej wysokości (400–1,600 m) należące do pasm Wuyi, Nanling i Lianhuashan, z tektonicznym ułożeniem w kierunku północny wschód–południowy zachód. Trzy strefy charakteryzują się subtropikalnym wilgotnym klimatem monsunowym: roczne opady wynoszą od 1 500 do 2 100 mm, a średnia temperatura roczna wynosi 18–21 °C. W naturalnej roślinności dominują szerokolistne i mieszane lasy zimozielone, przeplatane tarasowymi uprawami wzdłuż dolin rzecznych. Trzy strefy zamieszkuje łącznie ponad 12 milionów osób (spis z 2020 r.) — co stanowi paradoksalne połączenie wysokiej gęstości dziedzictwa i silnej depopulacji obszarów wiejskich, przy czym saldo migracji na zewnątrz przekracza 30% zarejestrowanych mieszkańców w wielu powiatach górzystych. Liczba niematerialnego dziedzictwa kulturowego (ICH) Hakka zarejestrowanego na poziomie krajowym wynosi 23 w trzech strefach (Rysunek 1B–D), obejmując sztuki performatywne (pieśni górskie, opera Hakka), tradycyjne rzemiosło (budowa tulou, drzeworyt) oraz praktyki ludowe (festiwale San Yuan, kult przodków). Współistnienie bogatego dziedzictwa, kurczącej się ludności wiejskiej i stosunkowo nienaruszonych lasów górskich sprawia, że strefy CEPZ Hakka stanowią wyjątkowy gradient porównawczy dla sprzężonej odporności ekologiczno-strukturalnej analizy sieci inwentaryzacyjnej zmapowanego ICH w skali podnarodowej32. Podstawowe atrybuty administracyjne, morfologiczne i dziedzictwa trzech stref podsumowano w Tabeli 1.
Program CEPZ został zainaugurowany przez Ministerstwo Kultury i Turystyki (MCT) w 2007 roku w celu ochrony spójnych jednostek terytorialnych, w których integralność ekologiczna i niematerialne dziedzictwo są zachowane jako system sprzężony33. Wszystkie trzy strefy Hakka zostały wpisane na listę priorytetów krajowych w latach 2013–2019, a koordynacja administracyjna jest sprawowana odpowiednio przez prowincjonalne biura ds. kultury w prowincjach Jiangxi, Fujian i Guangdong. Od 2020 roku planowanie renowacji i rehabilitacji w granicach CEPZ podlega ramom Narodowego Planowania Przestrzeni Terytorialnej (NTSP), które wymagają jawnie przestrzennej priorytetyzacji korytarzy ekologicznych i stref buforowych dziedzictwa34. Przypadek społeczności Hakka łączy zatem jednoznaczną jurysdykcję administracyjną z przestrzennie niejednorodnym reżimem stresorów, a wyniki analiz są bezpośrednio możliwe do wdrożenia w istniejących instrumentach planowania. Ostatnie oceny w skali CEPZ wezwały do zastąpienia wskaźników opartych na inwentaryzacjach diagnostyką opartą na sieciach35, co stanowi bezpośrednie tło polityczne dla rozwoju ram DEHN. Krajobraz Hakka wyróżnia się ponadto rozległym dziedzictwem diasporycznym: sam Meizhou skupia ponad jedną trzecią globalnej diaspory Hakka, a zarządzanie gruntami napędzane przekazami pieniężnymi doprowadziło do trajektorii użytkowania ziemi wyraźnie odmiennych od tych w demograficznie stabilnych górskich regionach Chin36. Ta warstwa społeczna nie jest bezpośrednio sparametryzowana w niniejszym modelu wielowarstwowym, lecz została tutaj udokumentowana jako mechanistyczne tło, na którym ewoluują warstwy ekologiczne i dziedzictwa.
Dane
Statystyka opisowa obszarów powiatów w obrębie obszaru badań: średnia = 2,193 km2 (zakres: 721–3,946 km2; mediana: 2,089 km2; SD: 687 km2; n = 34 powiaty). Średnia średnica powiatu (przy założeniu kształtu koła) wynosi około 53 km, co przekracza 10 km promienia sprzężenia międzywarstwowego o współczynnik 5,3. Ten systematyczny błąd geokodowania oznacza, że rzeczywiste sprzężenie plam ekologicznych ICH może istotnie różnić się od szacunku opartego na centroidach. Analiza wrażliwości polegająca na zwiększeniu promienia sprzężenia do 20 km wykazała, że tożsamość 20 najważniejszych plam RPI została zachowana w 15 z 20 przypadków, co sugeruje umiarkowaną odporność na niepewność geokodowania. Badania terenowe na poziomie wsi zostały zidentyfikowane jako niezbędne przyszłe prace w celu rozwiązania tego ograniczenia.
Tabela 2 podsumowuje główne zestawy danych wykorzystane w niniejszym badaniu. Pokrycie terenu wyderiveowano z China Land Cover Dataset (CLCD) opracowanego przez Uniwersytet w Wuhan z rozdzielczością przestrzenną 30 m, obejmującego lata 1985–2023 z przyrostem rocznym37. Wybrano sześć reprezentatywnych lat (2000, 2005, 2010, 2015, 2020, 2023), aby scharakteryzować wielodekadowe trajektorie zmian w stałych pięcioletnich odstępach czasu oraz w roku końcowym. Schemat CLCD rozróżnia grunty orne, lasy, zarośla, trawy, wodę, lód/śnieg oraz powierzchnie nieprzepuszczalne, a jego dokładność została niezależnie zweryfikowana, wykazując całkowitą dokładność przekraczającą 79% w regionie badawczym38. Granice administracyjne i obrysy CEPZ pozyskano z krajowego rejestru CEPZ Ministerstwa Kultury i Turystyki (MCT) oraz usług Gaode POI; elementy niematerialnego dziedzictwa kulturowego (ICH) na poziomie krajowym zostały geokodowane do centroidu powiatu ich pierwotnego opiekuna kulturowego, zgodnie z konwencją stosowaną w poprzednich badaniach nad chińskimi sieciami ICH39. Zbiorczy zestaw danych został udostępniony na licencji CC-BY i może zostać w całości odtworzony z otwartych archiwów teledetekcyjnych, zgodnie z ostatnimi postulatami dotyczącymi odtwarzalności badań nad sieciami ekologicznymi40.
Wstępne przetwarzanie danych przebiegało w pięcioetapowym cyklu zaimplementowanym w języku Python 3.11 z wykorzystaniem bibliotek rasterio 1.3, GeoPandas 0.14 oraz NetworkX 3.2. Po pierwsze, roczne pliki GeoTIFF z zestawu CLCD 30 m zostały przycięte do obszaru ograniczającego (bounding box) sumy trzech stref (23°23′–27°08′ N, 113°50′–116°44′ E) i reprojektowane do równej powierzchniowej projekcji stożkowej Albersa (lon₀ = 105°E, φ₁ = 25°N, φ₂ = 47°N), aby zachować dokładność powierzchniową dla późniejszej analizy morfologicznej. Po drugie, suma obwodów trzech CEPZ została zrasteryzowana jako maska obszaru badań, a wszystkie komórki poza maską zostały ustawione jako NoData w całym procesie. Po trzecie, dla każdego z sześciu lat referencyjnych sporządzono tabele z liczbą komórek dla każdej klasy pokrycia terenu, aby umożliwić bezpośrednie porównanie trajektorii fragmentacji między poszczególnymi latami. Po czwarte, zestaw punktów ICH opracowano na podstawie krajowego rejestru Rady Państwa (serie 1–5), geokodując je do centroidu powiatu zadeklarowanego kustosza kultury, weryfikując w publicznie dostępnych serwisach punktów zainteresowania (POI) i zapisując jako warstwę GeoJSON w układzie WGS-84 z atrybutami takimi jak identyfikator obiektu, kategoria (sztuki performatywne, rzemiosło tradycyjne, praktyki ludowe), seria wpisu oraz przynależność do CEPZ. Po piąte, wszystkie dalsze operacje wektorowo-rastrowe przeprowadzono w projekcji stożkowej Albersa z wykorzystaniem okienkowego odczytu rastrów i wektoryzowanego przetwarzania tablic w pamięci, aby zachować wydajność obliczeniową przy siatce 30 m. Wszystkie pliki granic i źródła ICH, wraz z reprodukowalnymi skryptami do wstępnego przetwarzania, są dostępne na uzasadnioną prośbę.
Metody
Łańcuch analityczny (Rysunek 2) jest zorganizowany w pięciu poziomych pasmach — DATA, LAYER, COUPLING, DIAGNOSTICS, OUTPUT — i obejmuje sześć modułów metodologicznych: (i) kwantyfikację morfologiczną warstwy ekologicznej za pomocą lekkiej analizy przestrzennych wzorców morfologicznych (MSPA-lite) na danych CLCD o rozdzielczości 30 m; (ii) przestrzenną kwantyfikację warstwy dziedzictwa za pomocą szacowania gęstości jądra (KDE) i kombinatorycznych grafów sąsiedztwa dla 23 elementów niematerialnego dziedzictwa kulturowego (ICH) na poziomie krajowym; (iii) sprzężenie obu warstw w dwuwarstwową super-sieć zgodnie ze schematem międzywarstwowym z uwzględnieniem zaniku funkcji odległości; (iv) identyfikację progu odporności w oparciu o perkolację przy zastosowaniu zasad losowego i ukierunkowanego usuwania węzłów dla każdej warstwy niezależnie; (v) złożony Wskaźnik Priorytetu Restauracji (RPI) zmapowany na zbiorze węzłów ekologicznych w celu zidentyfikowania płatów poziomu 1 (najwyżej ocenianych) oraz korytarzy o najwyższym priorytecie; oraz (vi) symulację scenariuszy i wieloparametrową analizę czułości w odniesieniu do typologii priorytetów oraz parametrów sprzężenia.
Macierz supra-sąsiedztwa A (256 × 256) została skonstruowana jako macierz blokowa, gdzie AE,norm oraz AH,norm są wewnątrzwarstwowymi macierzami sąsiedztwa znormalizowanymi przez odpowiadające im średnie wagi krawędzi, a Ainter jest międzywarstwową macierzą sprzężenia. Macierz jest symetryczna (potwierdzono obliczeniowo: ||A - AT || < 1e-10) i nie zawiera pętli (trace(A) = 0).
Statystyki wag krawędzi przed normalizacją: warstwa ekologiczna — min = 0.008730, średnia = 0.098589, max = 1.618909; warstwa dziedzictwa — min = 0.006862, średnia = 0.019848, max = 0.085832. Po normalizacji do średniej: ekologiczna — min = 0.0885, średnia = 1.000, max = 16.4207; dziedzictwo — min = 0.3457, średnia = 1.000, max = 4.3244.
Promienie spektralne obliczono z uśrednionych i znormalizowanych symetrycznych macierzy sąsiedztwa: dla bloku ekologicznego lambda_max = 19.6481, dla bloku dziedzictwa lambda_max = 10.5404 oraz dla pełnej supra-sieci lambda_max = 19.6481. Zatem blok ekologiczny dominuje w głównym modzie. Wcześniejsza wartość centralności na poziomie węzła została błędnie oznaczona jako wartość własna i została usunięta ze wszystkich raportów dotyczących promienia spektralnego. Dla porównania, normalizacja wierszowo-stochastyczna z definicji posiada główną wartość własną równą 1.000.
Podstawowa reguła sprzęgania w promieniu 10 km wygenerowała 42 krawędzie międzywarstwowe: 35 spełniło rygorystyczny próg odległości, a siedem stanowiło łącza rezerwowe do najbliższych łat dla węzłów ICH, które nie posiadały łaty wewnątrz promienia. W ten sposób wszystkie 23 węzły ICH zachowały przynajmniej jedno połączenie ekologiczne. Centralność supra-wektora własnego wykorzystana w RPI została obliczona z uśrednionej znormalizowanej symetrycznej macierzy sąsiedztwa.
Ilościowe określanie warstwy ekologicznej (MSPA-lite)
Analiza morfologicznych wzorców przestrzennych (MSPA) dzieli binarne maski pokrycia terenu na kategorie informujące o topologii (rdzeń, krawędź, most, pętla, wysepka, perforacja, odgałęzienie), ujawniając tym samym ciągłość siedlisk niezależnie od ich składu41. Ponieważ pełna analiza MSPA na rastrze 30 m obejmującym 74 547 km2 wiązała się z nadmiernymi kosztami obliczeniowymi w próbach wstępnych, w niniejszym badaniu przyjęto dwuklasową formulację MSPA-lite, która zachowuje rozróżnienie między rdzeniem a krawędzią, jednocześnie łącząc mosty/pętle/wysepki w zagregowaną klasę „krawędź”. Roślinność zdefiniowano jako sumę kodów CLCD {forest, shrub, grassland}. Raster 30 m poddano ponownemu próbkowaniu do 90 m przy użyciu agregacji według reguły większości, a następnie zastosowano okrągły element strukturalny o rozmiarze 3 komórek (odpowiadający 270 m) poprzez erozję binarną w celu wyizolowania wnętrza rdzenia; pozostałe komórki z roślinnością oznaczono jako krawędź. Małe płaty (<5 km2) zostały wykluczone, aby skupić się na ekologicznie istotnych rdzeniach, zgodnie z progiem wielkości powszechnie stosowanym w chińskich regionalnych badaniach MSPA42. MSPA-lite dostarcza dla każdego z sześciu reprezentatywnych lat całkowitą powierzchnię roślinności, powierzchnię rdzenia, powierzchnię krawędzi oraz liczbę poszczególnych płatów rdzeniowych — co stanowi wystarczające deskryptory do śledzenia trajektorii fragmentacji, która została postawiona jako główny stresor ekologiczny (Sekcja 4.1).
Wybór wskaźników morfologicznych pochodnych z CLCD zamiast sezonowych szeregów czasowych NDVI lub LST jest zamierzony. Zanieczyszczenie zachmurzeniem nad górami Hakka rutynowo przekracza 70% w sezonie deszczowym, a geometria basenu jeziora końcowego potęguje trwałość chmur, tak że spójne wieloletnie kompozyty sezonowego NDVI wymagałyby dedykowanego procesu uzupełniania luk. Wskaźniki morfologiczne wyprowadzone z rocznie walidowanych map kategorycznych pozwalają uniknąć tych zakłóceń atmosferycznych, zachowując jednocześnie informacje o łączności, które są najbardziej istotne dla analizy odporności opartej na sieciach43.
Wstępna analiza służyła zbadaniu czułości parametrów MSPA-lite. Promień erozji rdzenia zmieniano w zakresie od 2, 3 do 4 komórek (co odpowiada 180 m, 270 m i 360 m w obszarze wewnętrznym przy agregacji 90 m), a minimalny próg powierzchni rdzenia testowano dla wartości 3 km2, 5 km2 i 10 km2. Ostateczną parametryzację (erozja 3-komórkowa, próg 5 km2) przyjęto ze względu na zachowanie stabilnej kolejności rangowej liczności płatów w ciągu sześciu lat przy jednoczesnym wyeliminowaniu pozornych małych rdzeni powstałych w wyniku szumu klasyfikacji CLCD. Wyniki MSPA-lite z różnych lat zwalidowano poprzez manualną inspekcję dziesięciu losowo wybranych płatów z każdego roku i porównanie ich z obrazami Google Earth o wysokiej rozdzielczości, co dało zgodność kategoryczną powyżej 95% dla przypisań rdzeń-krawędź w obrazie z 2020 roku. Identyfikatory płatów zharmonizowano pomiędzy latami, stosując regułę nakładania się przestrzennego: płat w roku t dopasowano do jego odpowiednika z dominującym nakładaniem w roku t + 5, gdy indeks Jaccarda dla ich obszarów przekraczał 0,60. Płaty bez stabilnego poprzednika zarejestrowano jako nowo powstałe, a płaty bez stabilnego następcy jako zanikłe. Tabela powiązań stanowi podstawę analizy trajektorii fragmentacji opisanej w sekcji 3.1.
Kwantyfikacja warstwy dziedzictwa (ICH-KDE + sieć sąsiedztwa)
Dla każdego z 23 elementów niematerialnego dziedzictwa kulturowego (ICH) na poziomie krajowym, jako lokalizator punktowy wykorzystano centroid powiatu zadeklarowanego depozytariusza danego elementu. Powierzchnię estymacji gęstości jądra (KDE) obliczono w siatce 500 m w obrębie unii trzech stref, stosując szerokość pasma 5 km, co jest porównywalne z wartością wynikającą z reguły kciuka Silvermana, oszacowaną na podstawie próby 23 punktów i jej zakresu dwuwymiarowego. Wynikowa powierzchnia gęstości ich_kde_5km oddaje przestrzenną koncentrację zasobów dziedzictwa i stanowi przestrzenną kotwicę dla dyskretnego grafu dziedzictwa. Wybór szerokości pasma oparto na wcześniejszych analizach klastrowania chińskich tulou, w których modalny odstęp między klastrami określono na 6–8 km; szerokość pasma 5 km pozwala na rozróżnienie zarówno konsolidacji wewnątrz klastrów, jak i przerw między klastrami.
Graf dziedzictwa G_H został zbudowany poprzez połączenie triangulacji Delaunaya dla 23 węzłów ICH z grafem k-najbliższych sąsiadów (KNN, k = 4), co pozwoliło uzyskać zbiór krawędzi będący ich sumą. To kombinatoryczne podejście eliminuje wydłużone krawędzie Delaunaya przekraczające bariery topograficzne, zachowując jednocześnie łączność najbliższych sąsiadów, zgodnie z protokołem konstrukcji grafu przyjętym w niedawnych badaniach nad wielowarstwowymi usługami ekosystemowymi44. Wagi krawędzi przypisano jako odwrotność odległości po łuku wielkiego koła (w metrach), tak aby bliższe obiekty dziedzictwa wywierały silniejszy domniemany wpływ wiązania. Dla grafu składającego się z 23 węzłów obliczono miary centralności na poziomie węzłów — stopień, stopień ważony, pośrednictwo (betweenness), wektor własny, PageRank oraz współczynnik grupowania — przy założeniu waga = 1 / odległość, zgodnie ze standardową praktyką.
Aby uzasadnić wybór wartości k = 4 w komponencie KNN grafu dziedzictwa, przeprowadzono analizę wrażliwości wartości k, zmieniając k w zakresie od 3 do 8 przy zachowaniu triangulacji Delaunaya jako bazy. Próg perkolacji konsensusu wynosił od 0,754 (k = 4) do 0,923 (k = 7), z wartościami pośrednimi wynoszącymi 0,779 (k = 3), 0,773 (k = 5), 0,852 (k = 6) oraz 0,885 (k = 8). Zdecydowano się pozostać przy k = 4, ponieważ wartość ta generuje najrzadszy graf, który nadal gwarantuje pełną spójność węzłów bez redundantnych krawędzi dalekiego zasięgu, a korelacja rang Spearmana dla centralności stopnia węzła między k = 4 a sąsiednimi wartościami k pozostała wysoka (ρ = 0,691 dla k = 3, ρ = 0,793 dla k = 5). Triangulację Delaunaya zachowano jako warstwę bazową, ponieważ gwarantuje ona spójny graf planarny, który respektuje topologię przestrzenną rozkładu punktów ICH, podczas gdy nakładka KNN eliminuje wydłużone krawędzie Delaunaya przecinające bariery topograficzne (np. grzbiet gór Wuyi). Ta kombinatoryczna konstrukcja Delaunay + KNN jest zgodna z protokołem grafów przyjętym w niedawnych badaniach nad wielowarstwowymi usługami ekosystemowymi i zapewnia, że topologia sieci dziedzictwa nie jest artefaktem wyboru jednego dowolnego parametru.
Korytarze ekologiczne i ścieżki najmniejszego kosztu
Konstrukcja powierzchni oporu została przeprowadzona zgodnie z konwencją tablic przeglądowych (LUT) opartą na klasach45. Każdej klasie CLCD przypisano numeryczną wartość oporu, która odzwierciedla impedancję dla dyspersji biotycznej i przepływu usług ekosystemowych (Tabela 3). Las otrzymał opór bazowy (1), a następnie w kolejności rosnącej: krzewy (5), tereny trawiaste (10), woda (30), grunty orne (50), lód/śnieg (200) oraz powierzchnie nieprzepuszczalne (500); komórki z brakiem danych (no-data) otrzymały neutralny znacznik (100). Tablicę LUT zastosowano do rastra CLCD 2020 o rozdzielczości 90 m, aby uzyskać powierzchnię oporu o zasięgu siatki 4 688 × 3 953 w odwzorowaniu Albers Conic Equal Area.
Ścieżki o najniższym koszcie (LCPs) obliczono pomiędzy parami obszarów rdzeniowych i płatów, wykorzystując implementację algorytmu Dijkstry `graph.route_through_array` z biblioteki skimage na powierzchni oporu. Pary kandydujących węzłów ograniczono do sumy grafów K-najbliższych sąsiadów (k = 4) oraz triangulacji Delaunaya dla 233 centroidów płatów w przestrzeni rzutowanej, zgodnie z protokołem grafu LCP powszechnie stosowanym w chińskich badaniach nad łącznością regionalną46. W rezultacie uzyskano 799 korytarzy kandydujących, z których każdy charakteryzował się skumulowanym kosztem (bezwymiarowa suma całkowita oporu wzdłuż ścieżki), długością ścieżki w metrach oraz oporem efektywnym (koszt/długość). Wszystkie 799 korytarzy zachowano w końcowym grafie ekologicznym G_E, ponieważ żaden z nich nie przekroczył maksymalnej wartości odcięcia kosztu zalecanej dla regionalnych badań łączności47.
Rozważono zastosowanie oporu skorygowanego o nachylenie terenu, jednak nie wprowadzono go; zakres cyfrowego modelu wysokości dostępny w procesie badawczym obejmował jedynie szerokości geograficzne 26.00–27.14° N i w związku z tym pomijał południowe dwie trzecie obszaru badań, dlatego w ramach harmonogramu badań nie podjęto próby pełnego przetworzenia danych SRTM dla obszaru trzech stref. Parametryzacja oporu oparta wyłącznie na LULC jest standardowym rozwiązaniem alternatywnym w chińskich regionalnych badaniach korytarzy w sytuacjach, gdy nie można uzyskać pełnego DEM, co pozwala na wyizolowanie sygnału LULC bez zakłóceń wynikających z gradientów topograficznych48.
Implementacja obliczeń LCP wykorzystywała funkcję skimage.graph.route_through_array w trybie `geometric`, przy czym powierzchnia oporu została rzutowana na typ float32, a do komórek o zerowym koszcie zastosowano niewielką stałą dodatnią (1e−6), aby zapobiec degeneracji ścieżek. W celu zmniejszenia zapotrzebowania na pamięć dla pełnej siatki o wymiarach 4 688 × 3 953, powierzchnia kosztów została podzielona na cztery nakładające się okna o rozmiarze 2 344 × 1 977 z buforem 200 komórek, a LCP, których punkty końcowe obejmowały sąsiednie kafelki, obliczano na złączonym buforze, aby uniknąć artefaktów na stykach. Wszystkie 799 kandydujących LCP zostało zwalidowanych poprzez inspekcję losowej próbki 5% pod kątem ciągłości połączenia z wejściową powierzchnią oporu; nie wykryto żadnych nieciągłych ścieżek. Geometrie ścieżek korytarza zostały zwekteryzowane za pomocą ekstrakcji metodą marching-squares i zapisane jako obiekty LineString w systemie WGS-84 w formacie GeoJSON, z zachowaniem długości ścieżki, kosztu skumulowanego, oporu efektywnego (koszt/długłość) oraz identyfikatorów obszarów źródłowych i docelowych jako atrybutów. Reprezentatywne punkty centroidów użyte do wyboru punktów końcowych LCP obliczono za pomocą metody representative_point z biblioteki GeoPandas, a nie jako centroidy geometryczne, aby zapewnić, że każdy punkt końcowy znajduje się wewnątrz odpowiadającego mu poligonu obszaru w przypadku wklęsłych geometrii obszarów.
Budowa dwuwarstwowej super-sieci
Graf dziedzictwa G_H (n = 23, m = 73) oraz graf ekologiczny G_E (n = 233, m = 799) zostały połączone w dwuwarstwową super-sieć. Krawędź międzywarstwowa (h, e) była wprowadzana, gdy odległość geodezyjna od węzła ICH h do centroidu płata ekologicznego e nie przekraczała 10 km; promień ten został oceniony w analizie wrażliwości dla wartości 5, 10, 15 i 20 km (Sekcja 3.5). Jeśli żaden płat nie znajdował się w promieniu 10 km, łączono go z najbliższym płatem jako alternatywne rozwiązanie zapewniające minimalną łączność. W związku z tym sieć bazowa zawiera 42 krawędzie międzywarstwowe: 35 połączeń o ścisłym promieniu oraz siedem połączeń alternatywnych.
Wagi krawędzi w supra-macierzy sąsiedztwa A (256 × 256) przypisano w następujący sposób: krawędzie wewnątrzdziedziczne zachowały wagi odpowiadające odwrotności odległości; krawędzie wewnątrz-ekologiczne otrzymały wartość odwrotności kosztu ścieżki najmniejszego kosztu (1 / cost); natomiast krawędzie międzywarstwowe otrzymały wartości zdefiniowane poniżej, gdzie d jest odległością sprzężenia w kilometrach, a 
w_intra
to średnia waga krawędzi wewnątrzwarstwowej, co daje płynnie zanikające sprzężenie międzywarstwowe skalibrowane do wielkości wewnątrzwarstwowej. Supra-sieć obsługuje dwie rodziny pochodnych metryk: (i) supra-centralność wektora własnego, obliczaną jako wiodący wektor własny macierzy A, która przypisuje każdemu węzłowi porównywalny wynik ważności pomiędzy warstwami; oraz (ii) współczynnik partycypacji multipleksowej zdefiniowany poniżej, zgodnie z formalizmem partycypacji multipleksowej stosowanym w diagnostyce sieci dwuwarstwowych, który oddaje równowagę między połączeniami wewnątrzwarstwowymi węzła a jego sprzężeniem z drugą warstwą.
Macierz supra-sąsiedztwa A została zapisana jako rzadka macierz CSR z wykorzystaniem modułu sparse biblioteki SciPy. Wiodącą parę własną średnio-znormalizowanej macierzy symetrycznej obliczono przy użyciu implementacji eigsh biblioteki ARPACK i zweryfikowano metodą iteracji potęgowej; promień spektralny pełnej macierzy wyniósł lambda_max = 19,6481. Ten sam wektor własny macierzy symetrycznej stanowił komponent supra-centralności wektora własnego wskaźnika RPI. Normalizacja wierszy została zastosowana wyłącznie do diagnostyki macierzy przejścia; jej wiodąca wartość własna wynosi konstrukcyjnie 1,000. Alternatywne funkcje sprzężenia międzywarstwowego wykazały korelacje rang RPI powyżej 0,94 w stosunku do bazowej linii o wykładniczym zaniku.
Progi odporności oparte na perkolacji
Każda warstwa została niezależnie poddana czterem progresywnym atakom polegającym na usuwaniu węzłów: (i) usuwaniu losowemu o rozkładzie jednostajnym, uśrednionemu dla 500 powtórzeń (300 dla scenariuszy w Sekcji 2.3.8); (ii) usuwaniu celowemu według malejącego stopnia węzła; (iii) usuwaniu celowemu według malejącej pośredniości (betweenness); oraz (iv) usuwaniu celowemu według malejącej centralności wektora własnego. Po usunięciu k węzłów z początkowego grafu n-węzłowego, integralność strukturalną mierzono jako S(k) = LCC(k)/(n - k), gdzie LCC(k) oznacza liczbę węzłów w największej spójnej składowej spośród pozostałych węzłów. Próg krytyczny f* stanowił najmniejszą frakcję usuniętych węzłów k/n, przy której S(k) < 0,5. Raportowane progi i krzywe perkolacji wykorzystują tę normalizację względem pozostałych węzłów. Próg konsensusu f_C jest średnią arytmetyczną czterech progów specyficznych dla każdego rodzaju ataku.
W przypadku ataku polegającego na losowym usuwaniu (random-removal attack) zastosowano 500 powtórzeń, po tym jak wstępne testy zbieżności wykazały, że średnia krzywa zależności LCC od ułamka usuniętych węzłów ustabilizowała się w granicach współczynnika zmienności 0,02 przy 350 powtórzeniach; 500 powtórzeń zapewnia bezpieczny margines powyżej tego punktu zbieżności przy pomijalnym dodatkowym koszcie obliczeniowym. Remisy w rankingach stopnia, pośrednictwa (betweenness) i wektora własnego — które występują w znacznym stopniu w grafie dziedzictwa ze względu na jego skalę 23 węzłów — rozstrzygano alfabetycznie według identyfikatora węzła, aby zapewnić dokładną powtarzalność w niezależnych uruchomieniach. Postępy ataku obliczano niezależnie dla każdej warstwy, aby wyizolować podatności specyficzne dla danej warstwy; rozważano protokół ataku wspólnego, w którym węzły są usuwane z obu warstw jednocześnie zgodnie z rankingiem supra-wektora własnego, ale nie został on przyjęty, ponieważ miesza on sygnały z dwóch warstw w sposób, który zaciera zamierzoną diagnostykę specyficzną dla warstwy. Próg ułamka LCC na poziomie 0,5 wybrano zgodnie ze standardową praktyką w badaniach nad perkolacją korytarzy ekologicznych; pomocnicze testy czułości przy progach LCC 0,4 i 0,6 zachowały kolejność rankingową ekologia-kontra-dziedzictwo i zmieniły absolutne progi konsensusu o mniej niż 0,05 w obu kierunkach. Próg konsensusu obliczono jako średnią arytmetyczną czterech progów specyficznych dla każdego ataku. Chociaż cztery reguły ataku mają różne interpretacje strukturalne, konsensus służy jako statystyka podsumowująca, oddająca średnią podatność w ramach różnych profili zagrożeń. Niezależność kierunku znaleziska od trybu ataku (ekologia < dziedzictwo w trzech z czterech ataków) stanowi wewnętrzną walidację.
W przypadku ataków losowych przeprowadzono 500 niezależnych powtórzeń. Przy LCC znormalizowanym przez liczbę pozostałych węzłów (n - k), warstwa ekologiczna wykazała średni próg losowy wynoszący 0.623 ± 0.058 (SD), a warstwa inwentaryzacji dziedzictwa 0.960 ± 0.082. Przedziały ufności (95%) obliczono na podstawie rozkładów powtórzeń.
Ataki celowane (stopień, pośrednictwo, wektor własny) wykorzystywały statyczny ranking oparty na początkowej topologii sieci, zamiast dynamicznego przeliczania po każdym usunięciu. Podejście statyczne wybrano, ponieważ (i) zapewnia ono powtarzalną, deterministyczną sekwencję ataków; (ii) dynamiczne przeliczanie w rzadkich sieciach przestrzennych może prowadzić do niestabilnych rankingów centralności; oraz (iii) podejście statyczne reprezentuje scenariusz najgorszego przypadku. Dynamiczne przeliczanie zazwyczaj daje nieco niższe progi; zgłoszone szacunki są konserwatywne. Przyrost usuwania zrealizowano jako sekwencyjne usuwanie pojedynczego węzła. Dla sieci dziedzictwa składającej się z 23 węzłów każde usunięcie odpowiada ~4,3% węzłów; dla warstwy ekologicznej składającej się z 233 węzłów każde usunięcie odpowiada ~0,43%. Rozdzielczość wyższa niż 0,025 zapewnia dokładne wykrywanie progu.
Indeks priorytetu renaturyzacji (RPI)
Złożony indeks priorytetu renaturyzacji (RPI) integruje cztery linie dowodowe dla 233 głównych obszarów:
gdzie z(·) oznacza standaryzację do średniej zero i wariancji jednostkowej dla wszystkich płatów, w1 = 0.35 podkreśla dwuwarstwową centralność strukturalną, w2 = 0.20 przypisuje wyższy priorytet małym płatom (gorące punkty fragmentacji), w3 = 0.30 promuje płaty z silnym sprzężeniem ICH, a w4 = 0.15 zwiększa wagę izolowanych płatów o wysokim średnim koszcie krawędzi. Wektor wag dobrano tak, aby podkreślić centralność strukturalną i sprzężenie dziedzictwa (dwie nowe ścieżki w strukturze DEHN), zachowując jednocześnie niepomijalny wkład fragmentacji i izolacji; czułość wag określono w sekcji 3.5. Płaty przypisano do trzech poziomów priorytetowych na podstawie 80. i 60. percentyla RPI: poziom 1 (najwyższy ranking) (górne 20%), wysoki (60.–80. percentyl) oraz umiarkowany (dolne 60%). Priorytet na poziomie korytarzy został ustalony poprzez ranking 799 korytarzy na podstawie sumarycznego wyniku z-score dla kosztu, rezystancji efektywnej i średniego RPI punktów końcowych; górne 15% (n = 119) określono jako korytarze restauracyjne o najwyższym priorytecie.
Symulacja scenariuszy
Skonstruowano cztery scenariusze w celu oceny praktycznej przydatności ram DEHN. W scenariuszu S1, będącym scenariuszem bazowym, zachowano niemodyfikowaną sieć ekologiczną G_E poddawaną czterem atakom perkolacyjnym. W scenariuszu S2, zakładającym utratę płatów średniego poziomu, jednocześnie usunięto wszystkie 140 płatów sklasyfikowanych jako płaty średniego poziomu, symulując trajektorię krajobrazu, w której utracone zostają niechronione małe płaty, podczas gdy płaty o priorytecie krytycznym i wysokim zostają zabezpieczone. W scenariuszu S3, dotyczącym odtworzenia węzłów Poziomu 1, zredukowano o połowę koszt krawędzi łączących dwa płaty Poziomu 1, gdy ich pierwotny koszt przekraczał koszt medianowy, co reprezentuje odtworzenie ekologiczne wzdłuż korytarzy między strukturalnie centralnymi płatami. W scenariuszu S4, dotyczącym odtworzenia korytarzy, zredukowano o 40% koszt 119 korytarzy o najwyższym priorytecie, co reprezentuje szeroko zakrojoną rehabilitację korytarzy kierowaną rankingiem RPI.
Dla każdego scenariusza pełny stos perkolacji z 4 atakami został ponownie wykonany z 300 losowymi powtórzeniami, a cztery progi specyficzne dla każdego ataku oraz próg konsensusu zostały zapisane w celu porównania między scenariuszami. Ponieważ scenariusze S3 i S4 modyfikują jedynie wagi krawędzi, a nie topologię, taki projekt izoluje konkretny wkład redukcji oporu w odporność sieci — jest to subtelna diagnostyka mechanizmu, której nie można przeprowadzić za pomocą czystej symulacji usuwania węzłów. Wartości parametrów scenariuszy dobrano tak, aby odpowiadały prawdopodobnym wielkościom budżetów na odtwarzanie. Redukcja kosztów o 50% na krawędziach Tier 1 (najwyżej ocenianych)–Tier 1 (najwyżej ocenianych) w S3 przybliża maksymalną możliwą redukcję oporu wynikającą z rozszerzenia buforów nadrzecznych i małoskalowego zalesiania na istniejących gruntach korytarzy w ramach typowego pięcioletniego cyklu planowania odtwarzania w chińskich CEPZ. Redukcja kosztów o 40% w 119 najważniejszych korytarzach w S4 odzwierciedla program rehabilitacji korytarzy i macierzy na szerszą skalę, rozciągnięty na dziesięć lat. Scenariusz utraty obszarów umiarkowanych (loss-of-moderate) S2 reprezentuje kontrfaktyczną sytuację, w której zachowano obecną priorytetyzację odtwarzania, ale nie rozszerzono aktywnej ochrony na płaty z poziomu umiarkowanego; odzwierciedla to rzeczywiste ramy budżetowe obecnego programu CEPZ, w którym jawna ochrona jest zazwyczaj skoncentrowana na 40% najwyżej priorytetyzowanych obszarów.
Analiza wrażliwości
Przeprowadzono dwie analizy wrażliwości, aby zbadać odporność rankingu RPI na wybory modelowe. Po pierwsze, każdą wagę RPI (w1 – w4) zmieniono o ±0,05 i ±0,10, ponownie znormalizowano tak, aby ich suma wynosiła jeden, a następnie odnotowano korelację rang Spearmana ρ pomiędzy zmienionym rankingiem RPI a rankingiem bazowym. Po drugie, promień sprzężenia międzywarstwowego zmieniono w zakresie {5, 10, 15, 20} km, a następnie podano liczbę krawędzi międzywarstwowych oraz korelację Spearmana wynikowego współczynnika uczestnictwa z wartością bazową dla 10 km. Te dwie analizy wspólnie określają możliwość przeniesienia wniosków z RPI na alternatywne konwencje modelowania.
Oprócz pojedynczych perturbacji wag przeprowadzono wspólną analizę niepewności dla 1 000 dopuszczalnych kombinacji wag pobranych z rozkładu Dirichleta z centrum w wagach oryginalnych (alpha = [3.5, 2.0, 2.5, 2.0]). Dla każdej kombinacji ponownie obliczono RPI i zidentyfikowano zestaw 20% najważniejszych łatek. Wyniki pokazują, że 15 łatek utrzymało przynależność do grupy top-20% z prawdopodobieństwem >90%, 26 z prawdopodobieństwem >75%, a 43 z prawdopodobieństwem >50%. 15 najstabilniejszych łatek (prawdopodobieństwo > 90%) koncentruje się w klastrze węzłowym wektora własnego Meizhou, co potwierdza, że identyfikacja najwyższego priorytetu jest odporna na specyfikację wag. Ujemny składnik powierzchni został zachowany, ponieważ małe, geometrycznie zgrupowane łatki w Meizhou pełnią rolę wąskich gardeł strukturalnych; duże nienaruszone rdzenie w Minxi wnoszą mniejszą brzegową poprawę łączności, pomimo swojej większej powierzchni.
Wybrano perturbacje wag wynoszące ±0,05 i ±0,10, aby objąć zakres zmienności, który analityk dziedziny mógłby prawdopodobnie przypisać, biorąc pod uwagę rozbieżności opinii ekspertów co do względnej istotności czterech komponentów RPI. Dolna granica gwarantuje, że żaden pojedynczy komponent nie zostanie zredukowany do zera nawet przy największej testowanej perturbacji (minimalna wynikowa waga = 0,05), co pozwala zachować wszystkie cztery linie dowodowe w każdej perturbacji. Zakres promienia sprzężenia od 5 do 20 km obejmuje wartości udokumentowane w porównywalnych badaniach nad splotowymi ekologiczno-społecznymi systemami. Obie analizy wrażliwości przeprowadzono na pełnej sieci składającej się z 233 węzłów (patchy) i 799 krawędzi, z ustalonymi wszystkimi 500 ziarnami replikacji, tak aby raportowane korelacje rang izolowały efekt perturbacji bez wprowadzania wariancji Monte Carlo pomiędzy poziomami wrażliwości. Trzeci wymiar wrażliwości — wybór progu załamania frakcji LCC — został opisany jakościowo w sekcji 2.3.5 i omówiony szerzej w sekcji 4.4 wraz z innymi ograniczonymi limitami ramy badawczej.
Wyniki
Wielodekadowa trajektoria fragmentacji ekologicznej
Ilościowa analiza MSPA-lite przeprowadzona dla sześciu migawek CLCD wykazała ogólną, nieliniową trajektorię fragmentacji w krajobrazie Hakka w trzech prowincjach w latach 2000–2023. Całkowita powierzchnia rdzeniowych płatów, zdefiniowana jako powierzchnia połączonych komponentów roślinnych ≥ 5 km2, spadło z 44 485 km2 od 2000 do 37 888 km2 w 2023 roku, co stanowiło zagregowaną stratę netto w wysokości 6 597 km2, lub 14,8%. Powierzchnia obszaru rdzeniowego (core-patch area) nieznacznie zwiększyła się z 44 485 km2 od 2000 do 45 772 km2 w 2010 roku, co odpowiadało wzrostowi o 2,9%, a następnie spadło do 41 919 km2 w 2015 roku i 37 806 km2 w 2020 roku. W tym obszarze odnotowano niewielkie odbicie wynoszące 82,3 km2, czyli około 0,2%, w latach 2020–2023. Łączna wartość w 2020 roku wyniosła 37 806 km2 jest zgodna z sumą trzech wartości CEPZ podanych w Tabela 1Liczba płatów wzrosła ze 116 w roku 2000 do 233 w 2020 roku i do 229 w 2023 roku. Średnia powierzchnia płata zmniejszyła się z 383,5 km2 od 2 000 do 162,3 km2 w 2020 r. odnotowano spadek o około 57,7%, czyli 58% po zaokrągleniu (Rycina 3).
Podział strefowy doprecyzował wzorzec. Ganzhou CEPZ, największa strefa, charakteryzuje się największą bezwzględną powierzchnią roślinności (16 578 km2 w 2020 r.) oraz największą liczbą płatów (144 płaty; średnia powierzchnia 115 km2). Meizhou CEPZ, najmniejsza pod względem obszaru (15 853 km2), zachowała 56 płatów o średniej powierzchni 107 km2, co wskazuje na silnie podzieloną mozaikę podmiejsko-wiejską. Minxi CEPZ stanowiła przeciwstawny biegun: 33 płaty o średniej powierzchni 461 km2, co jest zgodne z porównawczo ciągłym pokryciem lasami wysokogórskimi. Strefy te wykazują zatem odmienne konfiguracje fragmentacji w obrębie badanego regionu, co ma istotne znaczenie dla porównawczej analizy sieci opisanej w rozdziałach 3.2 i 3.4.
Topologia i sprzężenie sieci dwuwarstwowej
Przed złożeniem dwuwarstwowej super-sieci, warstwę dziedzictwa G_H przebadano w izolacji. Powierzchnia gęstości jądra o szerokości pasma 5 km dla 23 elementów ICH na poziomie krajowym generuje trzy główne koncentracje gęstości: rozproszony grzbiet Ganzhou, zwarty szczyt Minxi nad pasem tulou Yongding-Nanjing oraz szczyt Meizhou nad dystryktem Meixian (Rysunek 4A). Unia Delaunay 
KNN (k = 4) daje G_H z 73 krawędziami, średnim stopniem 6,35, gęstością 0,289, jedną składową spójną i średnicą 4 (Rysunek 4B). Średni stopień węzła plasuje Meizhou (7,0) > Minxi (6,5) > Ganzhou (5,9), podczas gdy w rankingu wektora własnego dla samej warstwy dziedzictwa prowadzi Minxi (0,237), a następnie Ganzhou (2,4 × 10⁻4) i Meizhou (2,1 × 10⁻5) (Rysunki 4C i 4D). Ten wzorzec dotyczący wyłącznie dziedzictwa jest porównany z wynikami ekologicznymi i super-sieci na Rysunkach 5 i 6.
Ekologiczny graf G_E z 2020 roku składa się z 233 węzłów i 799 krawędzi korytarzy o najniższym koszcie przejścia. Sieć stanowi pojedynczą spójną składową o gęstości 0,030, średnim stopniu k = 6,86 oraz średnim współczynniku grupowania 0,083; średnica mierzona liczbą krawędzi wynosi 12, a średnia długość najkrótszej ścieżki między parami płatów wynosi 2 212 (skumulowane jednostki oporu). Graf dziedzictwa G_H obejmuje 23 węzły i 73 krawędzie (suma triangulacji Delaunaya i KNN-4), przy średnim stopniu 6,35 i pojedynczej spójnej składowej. Rozkład przestrzenny 23 węzłów dziedzictwa wraz z powiązanymi krawędziami międzywarstwowymi ujawnia trzy modalne klastry ICH — klaster Ganzhou skoncentrowany wokół Longnan–Anyuan, klaster Minxi skoncentrowany w rejonie tulou Yongding–Nanjing oraz klaster Meizhou skoncentrowany w dystrykcie Meixian (Rycina 5A).
Analiza centralności przeprowadzona dla G_E wykazała, że cały zestaw 15 najważniejszych węzłów (eigenvector-hub) znajduje się wewnątrz Meizhou CEPZ (identyfikatory płatów 194–219), przy czym płat 211 (rdzeń centralny Meizhou o powierzchni 9,3 km2) przoduje z wartością centralności wektora własnego 0,37 i PageRank 0,006. Silna koncentracja wektora własnego odzwierciedla gęstą tkankę korytarzy łączących małe, geometrycznie zgrupowane płaty lasów w Meizhou poprzez matrycę o niskim koszcie przejścia (Rysunek 5C). W przeciwieństwie do tego, średnia centralność wektora własnego w Ganzhou wynosi zaledwie 1,6 × 10⁻4, a w Minxi 1,9 × 10⁻5, co jest wartością o trzy rzędy wielkości niższą od 7,3 × 10⁻2 odnotowanej w Meizhou. Centralność pośrednictwa jest jednak rozłożona bardziej równomiernie: Ganzhou osiąga najwyższą średnią centralność pośrednictwa (0,034), ponieważ jego większy zasób płatów generuje większy ruch na najkrótszych ścieżkach przez węzły strukturalnie pośrednie. Ta rozbieżność między centralnością wektora własnego (zdominowaną przez Meizhou) a centralnością pośrednictwa (zdominowaną przez Ganzhou) jest charakterystycznym wyznacznikiem topologii trzech stref.
Ekologiczna centralność jednowarstwowa wykazuje kontrast między centralnością wektora własnego a centralnością pośrednictwa (Rysunek 6). Sieć G_E z 2020 roku zawiera zwarty kompleks hubów w Meizhou oraz bardziej rozproszoną strukturę w Ganzhou (Rysunek 6A). Rozkład stopni jest prawostronnie skośny, ze średnim stopniem 6,86 i maksymalnym wynoszącym 12 w płatach P193-P219 (Rysunek 6B). Powierzchnia płata i jednowarstwowa centralność wektora własnego są skorelowane ujemnie (ρ Spearmana = −0,21), zatem płaty o najwyższej centralności to zazwyczaj mniejsze rdzenie Meizhou, a nie duże płaty Minxi (Rysunek 6C). Średnie dla stref wskazują, że Meizhou osiąga najwyższe wartości w centralności wektora własnego i PageRank, natomiast Ganzhou osiąga najwyższe wartości w centralności pośrednictwa (Rysunek 6D). Ponieważ panele te wykorzystują wyłącznie G_E, wzorzec Meizhou występuje przed sprzężeniem międzywarstwowym; porównanie z supra-siecią wskazuje, że sprzężenie nie jest jego jedynym źródłem.
Powiązanie G_H i G_E zgodnie z regułą bazową doprowadziło do utworzenia 42 krawędzi międzywarstwowych: 35 ścisłych połączeń o zasięgu 10 km oraz siedmiu połączeń zapasowych (fallback). Dwudziestu dziewięciu z 233 płatów ekologicznych (12,4%) oraz wszystkie 23 węzły ICH posiadają co najmniej jedno połączenie międzywarstwowe (średni stopień połączeń ICH-ekologicznych = 1,83; maksymalny = 5). Promień spektralny średnio znormalizowanej symetrycznej macierzy supra-sąsiedztwa wynosi 19,6481. Z raportowania wartości własnych usunięto wcześniej błędnie opisaną wartość centralności na poziomie węzła. Dekompozycja strefowa powiązań daje średnie wartości powiązań ekologicznych wynoszące 2,33 dla Meizhou, 1,91 dla Ganzhou oraz 1,17 dla Minxi. Te wyniki opisowe wskazują Meizhou jako strefę najsilniej powiązaną przy zastosowaniu określonej reguły dystansu i połączeń zapasowych.
Progi odporności na perkolację
Krzywe perkolacji dla poszczególnych warstw obliczono najpierw dla zmapowanego grafu inwentarza dziedzictwa G_H (Rysunek 7). W przypadku czterech progresywnych ataków, znormalizowany względem pozostałych węzłów stosunek LCC spadał najwolniej podczas usuwania losowego, według miary betweenness oraz wektora własnego: progi wynosiły odpowiednio 0.96, 1.00 i 1.00, w porównaniu z 0.74 przy usuwaniu opartym na stopniu węzła (Rysunek 7A). Progi efektywności globalnej wynosiły 0.86 dla usuwania losowego, 0.83 dla wektora własnego oraz 0.57 dla usuwania opartego na stopniu węzła (Rysunek 7B). Wyniki te wskazują na wysoką odporność strukturalną reprezentowanego grafu inwentarza na losowe usuwanie węzłów oraz większą wrażliwość na usuwanie węzłów o wysokim stopniu. Próg konsensusu wynosi f_C(H) = 0.925 (Rysunek 7C); nie mierzy on ciągłości praktyk dziedzictwa poza zmapowanym grafem.
Ataki perkolacyjne na obie warstwy w ramach czterech progresywnych schematów usuwania węzłów (rozdział 2.3.5) wykazały wyraźną asymetrię (Rysunek 8). Progi dla warstwy ekologicznej wynosiły odpowiednio 0,62 (losowo), 0,70 (stopnia), 0,44 (pośrednictwa) i 1,00 (wektora własnego), co dało f_C = 0,690 (Tabela 4). Progi dla warstwy inwentarza dziedzictwa wynosiły odpowiednio 0,96, 0,74, 1,00 i 1,00, co dało f_C = 0,925. Różnica Δf_C = 0,235 wskazuje na wcześniejszą modelowaną utratę spójności sieci ekologicznej w przypadku trzech z czterech reguł ataku. Przy usuwaniu opartym na stopniu węzła, warstwy ekologiczna i inwentarza dziedzictwa przekraczają wartość S(k) = 0,5 przy frakcjach usuniętych węzłów wynoszących odpowiednio 0,70 i 0,74. Meizhou zawiera węzły ekologiczne wybrane najwcześniej w ataku opartym na wektorze własnym; jest to korelacja w obrębie modelowanej topologii, a nie dowód na rzeczywistą kaskadę przyczynowo-skutkową.
Porównanie surowych progów jest uwarunkowane gęstością warstw. Na podstawie zgłoszonych liczb węzłów i krawędzi, gęstość ekologiczna wynosi 2 × 799/(233 × 232) = 0,0296, podczas gdy gęstość inwentarza dziedzictwa wynosi 2 × 73/(23 × 22) = 0,2885. Podzielenie progu konsensusu przez gęstość daje wynik 23,3 dla warstwy ekologicznej i 3,21 dla warstwy inwentarza dziedzictwa, co daje stosunek około 7,3:1. Ta normalizacja opisowa wskazuje, że wyższy surowy próg inwentarza dziedzictwa częściowo odzwierciedla jego gęstszy graf. Ponieważ stosunek progu do gęstości jest diagnostyką porównawczą, a nie efektem interwencji, nie powinien on sam w sobie być interpretowany jako dowód na to, że dodanie krawędzi lub ochrona węzłów przyniesie określony rezultat polityczny.
Tylko w przypadku reguły ataku opartego na wektorze własnym obie warstwy wykazują porównywalną odporność (obie ≥ 0,98). Ataki losowe, oparte na stopniu oraz na pośrednictwie lokalizują modelowany punkt załamania wcześniej w warstwie ekologicznej niż w warstwie inwentarza dziedzictwa. Zgodność wyników w trzech trybach ataku potwierdza stabilność tego ukierunkowanego rezultatu w ramach analizowanej sieci i definicji ataków, nie implikując ogólnej ważności przyczynowej poza tymi warunkami.
Mapowanie priorytetów renaturyzacji
Sieć korytarzy ekologicznych z 2020 roku wykorzystana do mapowania RPI zawiera 799 krawędzi ścieżek o najniższym koszcie pomiędzy 233 obszarami rdzeniowymi (Rysunek 9A). Długość korytarzy ma średnią wynoszącą 28,75 km, medianę 21,08 km, 90. percentyl 52,20 km oraz wartość maksymalną 266,1 km (Rysunek 9B). Koszt skumulowany jest podobnie prawostronnie skośny, ze średnią 563,3, medianą 259,6 oraz 90. percentylem 651,0 równoważników metrów oporu (Rysunek 9C). Dodatnia korelacja między długością a kosztem na Rysunku 9D wskazuje, że dystans przejścia jest istotnym elementem modelowanego kosztu; lokalny opór, wykonalność i warunki terenowe pozostają niezbędne do oceny każdego korytarza renaturyzacyjnego. Zbiorcza punktacja RPI dla 233 obszarów rdzeniowych wykazała rozkład o grubym ogonie (średnia = 0, σ = 0,52, min = −2,71, max = 1,83). Czterdzieści siedem obszarów (20,2%) znalazło się w analitycznym poziomie 1 (RPI ≥ 0,290), 46 (19,7%) w poziomie wysokim (−0,184 ≤ RPI < 0,290), a 140 (60,1%) w poziomie umiarkowanym. Meizhou obejmuje 22 z 56 obszarów w poziomie 1, w porównaniu do 20 z 144 w Ganzhou i 5 z 33 w Minxi. Połączenie dwóch górnych poziomów analitycznych daje 42 z 56 obszarów w Meizhou, 35 z 144 w Ganzhou i 16 z 33 w Minxi. Poziomy te są wzglinnymi rankingami przy określonych wagach RPI, a nie preskryptywnymi kategoriami wartości konserwatorskiej (Rysunek 10). Górne 15% wyników RPI dla korytarzy obejmuje 119 korytarzy. Spośród 20 najwyżej ocenionych obszarów, 15 znajduje się w Meizhou, trzy w Ganzhou i dwa w Minxi; łącznie obejmują one 277 km2. Ich ranking odzwierciedla kombinację suprawektorowej centralności (supra-eigenvector centrality), ujemnego członu powierzchni obszaru, sprzężenia ICH oraz kosztu izolacji. Rysunek 10A przedstawia ten podzbiór pochodny z modelu. Ranking nie jest ostatecznym planem renaturyzacji i powinien zostać zestawiony ze stanem ekologicznym, wykonalnością, strukturą własności ziemi, kosztami oraz priorytetami interesariuszy.
Tabela 5 podsumowuje przydział poziomów priorytetów analitycznych w trzech CEPZ. Meizhou obejmuje 504,1 km2 w Poziomie 1 w obrębie 22 płatów, Ganzhou 439,9 km2 w 20 płatach, a Minxi 53,2 km2 w pięciu płatach. Meizhou wykazuje również najwyższą średnią wartość RPI (+0,339). Większa łączna powierzchnia wysokiego poziomu w Meizhou (4 095,7 km2) w stosunku do Poziomu 1 odzwierciedla ujemny człon powierzchniowy RPI, który podnosi względne oceny małych płatów pełniących rolę węzłów. Wyniki te opisują dźwignię strukturalną w ramach modelu; nie ustalają one immanentnej wartości konserwatorskiej ani obowiązkowego przydziału zasobów do renaturyzacji.
Symulacja scenariuszy i analiza wrażliwości
Cztery scenariusze przyniosły przeciwstawne wyniki modelowania (Tabela 6). S1 odtworzył bazowy próg konsensusu wynoszący 0,690. S2, w którym usunięto wszystkie płaty o znaczeniu umiarkowanym, obniżył próg do 0,011, co stanowi modelowany spadek o 98,4%. Wynik ten jest zgodny z założeniem o istotnym wkładzie topologicznym płatów zaklasyfikowanych jako umiarkowane; nie stanowi on jednak dowodu empirycznego na to, że taka utrata wystąpi, ani nie narzuca konkretnego poziomu renowacji. S3 i S4 zwróciły konsensus na poziomie 0,690, ponieważ zmieniły wagi krawędzi bez zmiany topologii. Przy tej definicji perkolacji redukcja oporności może poprawić wydajność ważoną, ale nie zmienia progu topologicznego. Dodawanie lub ponowne łączenie płatów pełniących rolę „kroków pośrednich” (stepping-stone patches) jest zatem opcją wynikającą z modelu w celu zmiany zarówno topologii, jak i wydajności, a nie obowiązkową interwencją (Rysunek 11).
Scenariusze gradientowej utraty płatów wywołały nieliniową odpowiedź modelową. Usunięcie 25% płatów średniego poziomu obniżyło próg konsensusu z 0,690 do 0,593 (−14,0%); usunięcie 50% dało wynik 0,483 (−30,0%); 75% dało 0,312 (−54,8%); a 100% dało 0,011 (−98,4%). Krańcowy spadek modelowy zwiększał się w przedziałach 25–50%, 50–75% i 75–100%. W tych symulacjach zachowanie co najmniej połowy płatów średniego poziomu wiązało się z utrzymaniem ponad 70% progu bazowego; jest to wynik scenariusza, a nie prognoza rzeczywistego załamania. Obliczono ważoną efektywność globalną (E_glob), ponieważ próg oparty na LCC jest niewrażliwy na zmiany wag krawędzi. Bazowe E_glob wynosiło 0,017230. S3 zwiększyło tę wartość do 0,018628 (+8,1%), a S4 zwiększyło ją do 0,017754 (+3,0%). Te wyniki modelowe wskazują na poprawę łączności ważonej, mimo że topologiczny próg perkolacji pozostał niezmieniony. Zatem redukcja oporu i ekspansja topologiczna wpływają na różne właściwości sieci, a analiza nie wykazuje istnienia uniwersalnie lepszej interwencji.
Analiza wrażliwości potwierdziła stabilność rankingów w obrębie badanych zakresów parametrów. Zmiana czterech wag RPI o ±0,05 i ±0,10 pozwoliła zachować współczynnik Spearman ρ ≥ 0,97. Zmiana promienia sprzężenia w zakresie 5, 10, 15 i 20 km zmieniła liczbę krawędzi o ścisłym promieniu odpowiednio na 8, 35, 63 i 101; bazowa liczba 42 krawędzi dla 10 km obejmuje 35 łączy o ścisłym promieniu i siedem łączy rezerwowych. Korelacje współczynnika partycypacji z bazą 10 km wyniosły ρ = 0,73 dla 15 km, 0,54 dla 20 km oraz 0,27 dla 5 km. Dla 15 km zachowano siedemnaście z 20 najważniejszych obszarów RPI, a dla 20 km zachowano ich 15. Wyniki te wskazują na wrażliwość parametrów i częściową stabilność rankingu; nie potwierdzają one jednak nieograniczonej możliwości przeniesienia wyników poza badaną sieć (Ryc. 12).
DOSTĘPNOŚĆ DANYCH:
Zestaw danych China Land Cover jest dostępny w serwisie Zenodo (https://doi.org/10.5281/zenodo.4417810). Krajowy inwentarz niematerialnego dziedzictwa kulturowego został opublikowany przez Radę Państwa ChRL, a dane dotyczące granic administracyjnych są dostępne w Narodowym Centrum Geomatyki Chin. Pochodne macierze sieci, wyniki perkolacji oraz kod analityczny zostały zdeponowane w serwisie Zenodo (https://doi.org/10.5281/zenodo.21732093).
Rycina 1Obszar badań i układ CEPZ. (A) Lokalizacje trzech krajowych stref ochrony ekologicznej (CEPZ) w południowej części prowincji Jiangxi, zachodniej części prowincji Fujian i wschodniej części prowincji Guangdong. (B) Rozkład 23 krajowych elementów ICH w odniesieniu do pokrycia terenu CLCD 2020. (C) Liczba ICH w podziale na serie wpisów. (D) Skład kategorii ICH. Mapy zostały wyrysowane przy użyciu Open Street Map Współtwórcy jako the mapa bazowa; administracyjne granice i Wszystkie etykiety, symbole, i tematyczny warstwy były dodano lub skompilowany przez the autorzy Panele (C) i (D) były przygotowany przez the autorzy na podstawie włączony the badanie zbiór danych Kliknij tutaj, aby wyświetlić powiększoną wersję tej ilustracji.
Rycina 2: Schemat analityczny struktury DEHN. Pięć ścieżek przedstawia gromadzenie danych, wyprowadzenie dwuwarstwowe, sprzęganie, diagnostykę oraz wyniki wykorzystywane do konstrukcji i oceny sieci. Aby wyświetlić większą wersję tej ryciny, kliknij tutaj.
Rysunek 3: Trajektoria fragmentacji MSPA-lite w krajobrazie tri-CEPZ w latach 2000–2023. (A) Rozkład przestrzenny płatów rdzeniowych w zależności od roku i strefy. (B) Trendy czasowe całkowitej powierzchni płatów rdzeniowych, powierzchni krawędziowej oraz całkowitej powierzchni roślinności. (C) Liczba płatów rdzeniowych i całkowita powierzchnia płatów rdzeniowych. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rysunek 4: Analiza warstwy dziedzictwa dla 23 krajowych elementów ICH. (A) Powierzchnia gęstości jądra. (B) Graf sąsiedztwa Delaunay-KNN G_H. (C) Dziesięć węzłów o najwyższej centralności pośrednictwa. (D) Metryki centralności według CEPZ. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rysunek 5: Dwuwarstwowa supra-sieć w 2020 roku. (A) Układ przestrzenny sprzężeń międzywarstwowych. (B) Rozkład stopni międzywarstwowych ICH. (C) Dwadzieścia węzłów o najwyższej supra-centralności wektora własnego. (D) Współczynnik uczestnictwa w funkcji supra-centralności wektora własnego dla wszystkich 256 węzłów. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rysunek 6: Analiza centralności warstwy ekologicznej dla G_E. (A) Układ przestrzenny krajobrazu z 2020 roku. (B) Rozkład stopni. (C) Powierzchnia płata a centralność wektora własnego. (D) Metryki centralności w podziale na strefy. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rysunek 7: Perkolacja warstwy inwentarza dziedzictwa w warunkach ukierunkowanych ataków. (A) Stosunek LCC do ułamka usuniętych węzłów dla czterech reguł ataku. (B) Spadek wydajności globalnej. (C) Progi specyficzne dla ataku oraz progi konsensusu. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rysunek 8: Perkolacja warstw ekologicznych w czterech schematach ataku. (A) Atak losowy. (B) Ataki celowane. (C) Porównanie progów międzywarstwowych. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.
Rysunek 9: Sieć korytarzy ekologicznych w 2020 r.. (A) Powierzchnia oporu. (B) 799 korytarzy o najniższym koszcie przejścia. (C) Rozkład skumulowanego kosztu. (D) Zależność między długością a kosztem korytarza. Aby wyświetlić powiększoną wersję tego rysunku, kliknij tutaj.
Rycina 10: Mapowanie indeksu priorytetu restauracji. (A) Przestrzenny rozkład wartości RPI oraz 15% najważniejszych korytarzy. (B) Skład poziomów analitycznych według CEPZ. (C) Rozkład RPI według stref. (D) Dekompozycja komponentów dla 20 najwyżej ocenionych płatów. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Rysunek 11: Symulacja scenariuszy odporności warstwy ekologicznej. (A) Krzywe perkolacji w czterech scenariuszach. (B) Porównanie konsensusowych progów krytycznych. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rysunek 12: Analiza wrażliwości. (A) Korelacje rang Spearmana przy perturbacjach wag RPI. (B) Stabilność współczynnika partycypacji w zależności od promieni sprzężenia. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
| Atrybut | Ganzhou CEPZ | Minxi CEPZ | Meizhou CEPZ | Suma |
| Prowincja | Jiangxi | Fujian | Guangdong | — |
| Powierzchnia (km²) | 39,341 | 19,353 | 15,853 | 74,547 |
| Jednostki na poziomie powiatu | 18 powiatów | 6 powiatów | 9 powiatów + 1 dystrykt | 34 |
| Pozycje ICH na poziomie krajowym (n) | 11 | 6 | 6 | 23 |
| Pozycje ICH związane z ludem Hakka (n) | 7 | 5 | 5 | 17 |
| Dominujące kategorie ICH | zwyczaje ludowe, tradycyjne rzemiosło | sztuki performatywne, zwyczaje ludowe | sztuki performatywne, tradycyjne rzemiosło | — |
| Kluczowe płaty ekologiczne ≥ 5 km² (2020) | 144 | 33 | 56 | 233 |
| Całkowita powierzchnia płatów kluczowych (km², 2020) | 16,577.60 | 15,214.10 | 6,014.00 | 37,805.70 |
Tabela 1: Przegląd trzech Hakka CEPZ i ich inwentarzy ICH. Tabela porównuje zasięg geograficzny, obszar administracyjny oraz liczbę elementów ICH na poziomie krajowym w Ganzhou, Minxi i Meizhou.
| Typ danych | Proszę podać tekst źródłowy do tłumaczenia. | Rozdzielczość / jednostki | Czas | Bibliografia |
| Pokrycie terenu (LULC) | Zbiór danych o pokryciu terenu Chin (CLCD), Uniwersytet w Wuhan | raster 30 m | 2000/05/10/15/20/23 | Yang i Huang (2021) |
| obwody CEPZ | krajowy rejestr Ministerstwa Kultury i Turystyki (MCT) | Wielokąty wektorowe | 2013–2020 (zadeklarowano) | MCT (2020) |
| Krajowy inwentarz niematerialnego dziedzictwa kulturowego | Krajowa Lista Niematerialnego Dziedzictwa Kulturowego Rady Państwa ChRL (serie 1–5) | Punkt (centroid powiatu) | 2006–2021 | Rada Państwa (2021) |
| Granice administracyjne | Krajowe Centrum Geomatyki Chin | Wielokąty wektorowe | 2020 | NGCC (2020) |
| Układ współrzędnych | Albers Conic Equal Area (lon₀ = 105°, φ₁ = 25°, φ₂ = 47°) | — | — | — |
Tabela 2: Podstawowe źródła danych. Tabela zawiera informacje o dostawcy każdego zestawu danych, rozdzielczości przestrzennej lub czasowej oraz roli w procesie analitycznym.
| Klasa CLCD | Wartość oporu | Uzasadnienie |
| Las (2) | 1 | Siedlisko bazowe; najwyższa przepuszczalność |
| Krzewy (3) | 5 | Wysoka przepuszczalność; sukcesja wtórna |
| Trawy (4) | 10 | Umiarkowana przepuszczalność |
| Woda (5) | 30 | Lokalnie przepuszczalne dla taksonów wodnych; bariera dla lądowych |
| Grunty orne (1) | 50 | Matryca półantropogeniczna |
| Lód/śnieg (7) | 200 | Bariera wysokogórska |
| Powierzchnie nieprzepuszczalne (8) | 500 | Całkowita bariera dla przepływu biotycznego |
| Brak danych (0) | 100 | Neutralny wypełniacz |
Tabela 3: Wartości oporu pokrycia terenu. Tabela przedstawia opór przypisany do każdej klasy CLCD na potrzeby modelowania korytarzy o najniższym koszcie.
| Reguła ataku | Ekologiczne f* | Dziedzictwo f* | Δ (H − E) |
| Losowe (średnia z 500) | 0.62 | 0.96 | 0.34 |
| Stopnie malejące | 0.7 | 0.74 | 0.04 |
| Malejąca pośrodkowość | 0.44 | 1 | 0.56 |
| Wektor własny malejący | 1 | 1 | 0 |
| Konsensus (średnia) | 0.69 | 0.925 | 0.235 |
| Znormalizowany względem gęstości (f_C/gęstość) | 23.3 | 3.21 | −20.09 |
| Losowy atak SD | 0.058 | 0.082 | 0.024 |
Tabela 4: Krytyczne progi perkolacji dla warstw ekologicznych i inwentaryzacji dziedzictwa w 2020 r. Wartości specyficzne dla ataku oraz ich konsensus podsumowują odporność strukturalną przy normalizacji LCC dla pozostałych węzłów.
| CEPZ | Całkowita liczba pól widzenia | Poziom 1 (najwyższy ranking) (n / km²) | Wysoki poziom (n/km)²) | Poziom umiarkowany (n / km²) | Średnie 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 |
| Wszystkie trzy CEPZ | 233 | 47 / 997.2 | 46 / 4,694.0 | 140 / 32,114.6 | 0 |
Tabela 5: Przydział poziomów RPI w trzech strefach CEPZ. Liczba patchy, powierzchnie i średnie wartości RPI pokazują porównawczy rozkład poziomów analitycznych w podziale na strefy.
| Scenariusz | Opis | Konsensus f* | Δ względem S1 |
| S1 | Punkt odniesienia (niemodyfikowane G_E) | 0.69 | 0 |
| S2 | Utrata poziomu średniego (usunięto 140 płatów) | 0.011 | −0.679 |
| S3 | Zmniejszenie o połowę kosztu krawędzi Tier 1 (najwyżej oceniane)–Tier 1 (najwyżej oceniane) | 0.69 | 0 |
| S4 | Redukcja kosztu o 40% dla 119 najważniejszych korytarzy | 0.69 | 0 |
| S2a (usunięto 25% poziomu średniego) | Usunięto 35 z 140 płatów poziomu średniego | 0.593 | -0.097 |
| S2b (usunięto 50% poziomu średniego) | Usunięto 70 z 140 płatów poziomu średniego | 0.483 | -0.207 |
| S2c (usunięto 75% poziomu średniego) | Usunięto 105 z 140 płatów poziomu średniego | 0.312 | -0.378 |
| Ważona efektywność globalna | S1=0.0172, S3=0.0186(+8.1%), S4=0.0178(+3.0%) | Patrz w tekście | - |
Tabela 6: Progi perkolacji uzyskane w konsensusie symulacji scenariuszy. Tabela porównuje wyniki modeli bazowego, utraty płatów, odnowy węzłów oraz odnowy korytarzy.
| Rezerwa | Węzły | Krawędzie | Gęstość | Atak losowy (średnia ± SD; n = 500) | Stopień | Pośrednictwo | Wektor własny | Konsensus |
| 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 |
Tabela 7: Progi perkolacji dla poszczególnych rezerwatów. W tabeli osobno przedstawiono progi specyficzne dla ataku oraz progi konsensusu dla Ganzhou, Minxi i Meizhou.
Dyskusja
Trzystrefowa dekompozycja diagnostyki morfologicznej i sieciowej ujawniła wyraźną heterogeniczność przestrzenną w konfiguracji ekologicznej49. Ganzhou posiadało największy obszar roślinności i liczbę płatów, ale najmniejszy średni rozmiar płata, podczas gdy Minxi zachowało największe średnie płaty (461 km2), co jest zgodne z charakterystyką stosunkowo ciągłych lasów obrzeży Wuyi. Meizhou zawierało 56 płatów na mniejszym obszarze i wykazało najwyższą koncentrację węzłów wektora własnego ekologii. Analiza zmian CLCD wskazała na ogólny, nieliniowy trend zmian powierzchni płatów rdzeniowych. Powierzchnia płatów rdzeniowych wzrosła z 44 485 km2 w 2000 roku do 45 772 km2 w 2010 roku, po czym spadła do 41 919 km2 w 2015 roku i 37 806 km2 w 2020 roku. Spadek w latach 2010–2020 wyniósł 7 966 km2, co stanowiło 17,4% powierzchni płatów rdzeniowych z 2010 roku. Powierzchnia płatów rdzeniowych w 2023 roku wynosiła 37 888 km2, co oznacza niewielki wzrost o 82,3 km2 w stosunku do 2020 roku. Niemniej jednak, całkowity spadek w latach 2000–2023 wyniósł 6 597 km2, czyli 14,8%. Przejścia z rdzeni roślinnych na grunty orne odpowiadały za 38% całkowitej utraty rdzenia, przejścia związane z infrastrukturą transportową, zbiornikami retencyjnymi i obszarami przemysłowymi za 31%, przekształcenia w powierzchnie nieprzepuszczalne za 22%, a pozostałe zmapowane przejścia za 9%. Ganzhou, Meizhou i Minxi przyczyniły się odpowiednio do 52%, 35% i 13% całkowitej utraty. Są to wyniki bilansowania pokrycia terenu i asocjacje opisowe; urbanizacja, rozwój infrastruktury, inwestycje w sady, depopulacja i procesy polityczne są prawdopodobnymi wyjaśnieniami kontekstowymi, jednak nie zostały one bezpośrednio przetestowane jako czynniki przyczynowe50.
Analiza perkolacji w ramach rezerwatów wykazała również istotne różnice w modelowanej odporności ekologicznej. Progi konsensusu wyniosły odpowiednio 0,374 dla Ganzhou, 0,573 dla Minxi i 0,286 dla Meizhou, podczas gdy medianowe progi dla losowych ataków w 500 powtórzeniach symulacji wyniosły odpowiednio 0,410, 0,667 i 0,446. W przeciwieństwie do nich, Tabela 7 przedstawia odpowiadające im wartości średniej ± SD wynoszące odpowiednio 0,420 ± 0,079, 0,686 ± 0,162 i 0,464 ± 0,120. W związku z tym Minxi wykazała najwyższą modelowaną odporność, a Meizhou najniższą, przy określonych regułach konstrukcji sieci i ataków. Ganzhou charakteryzowało się większą macierzą nieprzepuszczalną z relatywnie nienaruszonymi rdzeniami wewnętrznymi oraz wyższą średnią pośredniością (0,034), co sugeruje większą koncentrację ruchu na najkrótszych ścieżkach. Meizhou natomiast zawierało wiele małych płatów wewnątrz lokalnie gęstych podgrafów i wykazywało silniejszą centralność wektora własnego oraz koncentrację lokalnych węzłów. Różnice te opisują topologię modelowanej sieci korytarzy, a nie dowodzą, że presja urbanizacyjna lub depopulacja spowodowały zaobserwowane wzorce51,52.
W trzech strefach ekologiczne i zmapowane warstwy inwentarza dziedzictwa wykazały odmienne progi strukturalne. Warstwa ekologiczna osiągnęła modelowany punkt kolapsu przy konsensusowej frakcji usuniętych węzłów wynoszącej 0,690, w porównaniu do 0,925 dla warstwy inwentarza dziedzictwa, co stanowi różnicę 0,235. Próg ekologiczny był niższy w przypadku ataków losowych, opartych na stopniu oraz międzycentralności, podczas gdy obie warstwy wykazały porównywalną odporność jedynie w przypadku ataku opartego na wektorze własnym. Ta asymetria sugeruje, że w reprezentowanych grafach integralność korytarzy ekologicznych jest bardziej restrykcyjnym komponentem strukturalnym sprzężonego systemu53. Należy jednak zauważyć, że warstwa dziedzictwa składa się jedynie z 23 zmapowanych elementów niematerialnego dziedzictwa kulturowego (ICH) na poziomie krajowym i nie powinna być interpretowana jako bezpośrednia miara ciągłości, żywotności lub zasięgu geograficznego praktyk kulturowych. Wyższy próg dziedzictwa jest również częściowo związany z jego znacznie większą gęstością grafu (0,289 w porównaniu do 0,030 dla warstwy ekologicznej). Progi znormalizowane według gęstości zapewniają opisowe porównanie w ramach badania, ale nie powinny być interpretowane jako dowód na to, że zwiększenie gęstości krawędzi lub ochrona określonej liczby węzłów przyniesie przewidywalny efekt polityczny54.
Sprzężenie bazowe było ograniczone, lecz przestrzennie nierównomierne: 42 połączenia międzywarstwowe łączyły wszystkie 23 węzły ICH z 29 obszarami ekologicznymi, w tym 35 połączeń o ścisłym promieniu oraz siedem połączeń zapasowych z najbliższym obszarem. Meizhou charakteryzowało się najwyższą średnią liczbą powiązań ICH z obszarami ekologicznymi (2,33) i zawierało największą koncentrację węzłów ekologicznych, co sprawiło, że w modelowanej sieci było ono zarówno silnie sprzężone, jak i strukturalnie wrażliwe55. Kontrast między warstwami był widoczny również w rankingach centralności: Minxi przodowało w rankingu wektora własnego dla samej warstwy dziedzictwa, podczas gdy Meizhou przodowało w rankingach ekologicznych i sieci nadrzędnej (supra-network). Ta odwrócona zależność wykazuje, że rankingi jednowarstwowe mogą ulec zmianie po wprowadzeniu sprzężenia międzywarstwowego. Niemniej jednak wyniki te nie dowodzą, aby jedna strefa automatycznie powinna otrzymać priorytet. W Meizhou planiści mogliby ocenić ochronę lub ponowne połączenie małych, wysoce centralnych obszarów; w Ganzhou można by zbadać obszary pośrednie o wysokiej pośredniości (betweenness) wraz z ograniczeniami dotyczącymi użytkowania gruntów w strefach podmiejskich; a w Minxi bardziej odpowiednie od dodawania licznych małych obszarów mogłoby być buforowanie i konsolidacja dużych, ciągłych rdzeni56. Wszystkie te opcje wymagają walidacji terenowej, oceny wykonalności i kosztów, analizy prawa własności do gruntów oraz udziału interesariuszy.
Analiza scenariuszy wyjaśniła różnicę między efektywnością ważoną a odpornością topologiczną57. Usunięcie wszystkich łatek średniego szczebla obniżyło próg konsensusu z 0,690 do 0,011, natomiast scenariusze progresywnej utraty doprowadziły do powstania progów wynoszących odpowiednio 0,593, 0,483, 0,312 i 0,011, gdy usunięto 25%, 50%, 75% i 100% łatek średniego szczebla. Wyniki te wskazują, że łatki spoza najwyższych szczebli analitycznych nadal mogą wnosić istotny wkład topologiczny. W przeciwieństwie do tego, zmniejszenie kosztów krawędzi w scenariuszach renowacji dla Tier-1 oraz korytarzy o najwyższym priorytecie nie zmieniło nieważonego progu perkolacji, choć ważona efektywność globalna wzrosła odpowiednio o 8,1% i 3,0%. Zatem redukcja oporu i rozszerzenie topologiczne wpływają na różne właściwości sieci: pierwsze może poprawić modelowaną efektywność przepływu, podczas gdy drugie jest wymagane do zmiany progu przy obecnej definicji58. Ranking RPI pozostał wysoce stabilny przy testowanych perturbacjach wag (ρ Spearmana ≥ 0,97), ale zmiany promienia sprzężenia wywołały jedynie częściową stabilność, co wskazuje, że priorytety są użytecznymi wynikami przesiewowymi, a nie ostatecznymi zaleceniami dotyczącymi renowacji.
Kilka ograniczeń definiuje interpretację i wskazuje kierunki przyszłych badań. Po pierwsze, powierzchnia oporu została oparta wyłącznie na pokryciu terenu, ponieważ dla obszaru badań nie było dostępnego pełnego pokrycia DEM; w przyszłych analizach należy uwzględnić modyfikatory nachylenia terenu i wilgotności topograficznej, aby sprawdzić, czy wzorzec węzła Meizhou zostanie zachowany59. Po drugie, elementy ICH zostały geokodowane do centroidów powiatów, co maskuje zmienność wewnątrzpowiatową i może wprowadzać błąd w sprzężeniu międzywarstwowym; w celu poprawy reprezentacji przestrzennej konieczne są badania na poziomie wsi, szczególnie w Meizhou60. Po trzecie, analiza wielowarstwowa miała charakter przekrojowy dla roku 2020, mimo że fragmentacja ekologiczna była dokumentowana od 2000 do 2023 roku. Rekonstrukcja sieci ekologicznych i sprzężeń dla wszystkich lat referencyjnych pozwoliłaby na silniejszą inferencję czasową61. Po czwarte, scenariusze były deterministyczne i nie obejmowały modeli projekcji użytkowania gruntów, takich jak PLUS czy FLUS. Przyszłe prace mogłyby zintegrować stochastyczną symulację użytkowania gruntów, koszty rekultywacji, stan ekologiczny, podaż usług ekosystemowych oraz wskaźniki ciągłości praktyk ICH. Rozszerzenie warstwy dziedzictwa o elementy na poziomie prowincjonalnym ujawniłoby również powiązania kulturowo-ekologiczne w mniejszej skali62. W związku z tym, ramy DEHN należy traktować jako reprodukowalne narzędzie diagnostyki porównawczej: identyfikują one strukturalne podatności i potencjalne lokalizacje interwencji, jednak ich zastosowanie do innych CEPZ lub krajobrazów kulturowych wymaga lokalnie zrekonstruowanych sieci, spójnych protokołów analizy podatności, walidacji terenowej oraz wyraźnego uwzględnienia priorytetów zarządczych i społeczności lokalnych63.
Oświadczenia
Autorzy oświadczają, że nie mają żadnych znanych konkurencyjnych interesów finansowych ani osobistych relacji, które mogłyby wpłynąć na prace opisane w niniejszym artykule. Autorzy nie zgłosili żadnego potencjalnego konfliktu interesów.
Podziękowania
Autorzy wykorzystali ChatGPT 5.2 w celu pomocy w tłumaczeniu rękopisu, dopracowania słownictwa akademickiego oraz korekty gramatycznej. Wszystkie interpretacje analityczne, analizy danych oraz główne argumenty akademickie zostały niezależnie sfinalizowane i zweryfikowane przez autorów.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Dane o granicach administracyjnych | Krajowe Centrum Geomatyki Chin | zbiór danych o granicach administracyjnych Chin; https://www.ngcc.cn/ | |
| rozwiązywacz wartości własnych ARPACK | ARPACK-NG poprzez SciPy | scipy.sparse.linalg.eigsh; https://github.com/opencollab/arpack-ng | |
| Zbiór danych o pokryciu terenu w Chinach (China Land Cover Dataset, CLCD) | Uniwersytet w Wuhan / Zenodo | roczny zbiór danych z 30 m; rekord 4417810; https://zenodo.org/records/4417810 | |
| Rejestr Stref Ochrony Ekologii Kulturowej | Ministerstwo Kultury i Turystyki Chińskiej Republiki Ludowej | Krajowy rejestr CEPZ; https://www.mct.gov.cn/ | |
| Triangulacja Delaunaya i analiza k-najbliższych sąsiadów | SciPy / NetworkX | Konstrukcja sieci sąsiedztwa dziedzictwa; k = 4 | |
| Usługi Gaode POI | Amap / Gaode | Internetowa usługa POI; https://lbs.amap.com/ | |
| GeoPandas | Twórcy GeoPandas / PyPI | Wersja 0.14; https://geopandas.org/ | |
| Obrazy z Google Earth | Obrazy Google Earth; https://earth.google.com/ | ||
| Estymacja gęstości jądrowej | Środowisko obliczeń naukowych w języku Python | siatka 500 m; szerokość pasma 5 km | |
| Algorytm najmniej kosztownej ścieżki | projekt scikit-image | Algorytm Dijkstry za pomocą route_through_array | |
| Krajowy Inwentarz Niematerialnego Dziedzictwa Kulturowego | Rada Państwa Chińskiej Republiki Ludowej | Inwentarz na poziomie krajowym, partie 1-5 | |
| NetworkX | Deweloperzy NetworkX / PyPI | Wersja 3.2; https://networkx.org/ | |
| Python | Python Software Foundation | Wersja 3.11; https://www.python.org/ | |
| rasterio | Deweloperzy Rasterio / PyPI | Wersja 1.3; https://rasterio.readthedocs.io/ | |
| scikit-image | twórcy scikit-image / PyPI | skimage.graph.route_through_array; https://scikit-image.org/ | |
| Rzadkie macierze SciPy | społeczność SciPy | scipy.sparse; https://scipy.org/ | |
| DEM z misji Shuttle Radar Topography Mission | NASA / USGS | DEM SRTM; wyłącznie ocena wstępna; niepełny zakres obszaru badań | |
| Repozytorium analiz Zenodo | Zenodo | Kod, macierze pochodne i wyniki; https://doi.org/10.5281/zenodo.21732093 |
Bibliografia
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- Xu W. Ecological integrity evaluation of organically evolved cultural landscape. Mob Inf Syst. 2022;2022:9554359.
- Hamonic F, Vaxès Y, Couëtoux B, Albert CH. GECOT: graph-based ecological connectivity optimization tool. Methods Ecol Evol. 2025.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- Jia L, Liu Z, Li Y. Spatiotemporal dynamics of rural settlement evolution in Guangdong Province, China. Sci Rep. 2025;15:21177.
- 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.
- 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.
- Pickerill T. Investment leverage for adaptive reuse of cultural heritage. Sustainability. 2021;13(9):5052.
- 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.
- Feng C, et al. Improving protected area effectiveness through consideration of different human-pressure baselines. Conserv Biol. 2022;36(4):e13887.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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).
- 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.
- 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.
- 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.
- 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.
- 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.
- Jetz W, McGowan J, Pennino MG, et al. Essential biodiversity variables for mapping and monitoring species populations. Nat Ecol Evol. 2019.
- Winkler K, Fuchs R, Rounsevell M, Herold M. Global land use changes are four times greater than previously estimated. Nat Commun. 2021;12:2501.
- Gao J, Barzel B, Barabási AL. Universal resilience patterns in complex networks. Nature. 2016;530(7590):307-12.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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).
- 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.
- 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.
- Maxwell SL, Cazalis V, Dudley N, Hoffmann M, Rodrigues ASL, Stolton S, et al. Area-based conservation in the twenty-first century. Nature. 2020.
- 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.