Avaliação por Sensoriamento Remoto de Limiares de Resiliência em Redes Ecológico-Patrimoniais de Camada Dupla de Zonas de Proteção Cultural Hakka

Resumo

Este estudo desenvolve uma rede ecológica-patrimonial em duas camadas para três Zonas de Proteção Ecológica Cultural Hakka no sul da China. A análise de percolação identifica limiares distintos de robustez estrutural para as camadas ecológica e de inventário do patrimônio mapeado, enquanto um Índice de Prioridade de Restauração localiza fragmentos influentes. A estrutura metodológica permite a comparação baseada em evidências de opções de restauração e monitoramento entre as zonas.

Resumo

Este estudo propõe um modelo de Rede Ecológico-Patrimonial em Dupla Camada (DEHN, na sigla em inglês) que representa a conectividade ecológica e o patrimônio cultural imaterial como um grafo acoplado em duas camadas, aplicado a três Zonas de Proteção Ecológica Cultural Hakka no sul da China (74.547 km²). Especificamente, ao utilizar o MSPA-lite em dados de cobertura do solo (2000–2023), os autores construíram uma rede ecológica com 233 nós e 799 conexões, acoplada a uma rede patrimonial com 23 nós e 73 conexões, por meio de um esquema de decaimento da distância de 10 km. Além disso, ataques de percolação revelam limiares críticos de 0,690 para a camada ecológica e de 0,925 para a camada patrimonial, indicando que a rede ecológica perde sua conectividade antes da rede de inventário do PCI. Um Índice de Prioridade de Restauração identifica 47 manchas de Nível 1 (as mais prioritárias) e 46 manchas de alta prioridade, com Meizhou concentrando 75% das manchas nos níveis superiores. Simulações contrafactuais mostram que a redução do custo das conexões altera os limiares de colapso, enquanto a perda de manchas os reduz em 98,4%, exigindo expansão topológica por meio de novas manchas de apoio. O modelo DEHN fornece, no geral, uma comparação normalizada por densidade (23,3 vs. 3,21), demonstrando que a camada ecológica é mais resiliente por unidade de conectividade, oferecendo um modelo transferível para o planejamento acoplado de restauração em zonas protegidas de caráter cultural-ecológico. O modelo DEHN está alinhado ao Objetivo de Desenvolvimento Sustentável 11.4 (“Intensificar os esforços para proteger e salvaguardar o patrimônio cultural e natural do mundo”) e à Meta de Biodiversidade de Aichi 11 (conservar pelo menos 17% das áreas terrestres). Os limiares de percolação identificados (f_C ecológico = 0,690, f_C patrimonial = 0,925) fornecem referências quantitativas para avaliar se a gestão das ZPEC manteve a resiliência da rede acima do limiar de colapso. A descoberta de que 47 manchas (20% da rede ecológica) constituem o Nível 1 (as mais prioritárias), cuja perda desencadearia falha em cascata, sugere que a delimitação das ZPEC — que não prioriza essas manchas criticamente importantes topologicamente — pode ser insuficiente para alcançar as metas do ODS 11.4. Os autores recomendam que os planos de gestão das ZPEC incorporem os limiares de resiliência da rede como indicadores de monitoramento, informando anualmente se o f_C consensual permanece acima de 0,50 (a definição operacional de colapso da rede).

Introdução

Globalmente, paisagens culturais e ecológicas interligadas estão sendo simultaneamente remodeladas pela urbanização, despovoamento rural e variabilidade climática, colocando em risco tanto a integridade biofísica quanto a continuidade do patrimônio^1,2. As paisagens culturais montanhosas são particularmente vulneráveis: concentram uma parcela desproporcional do patrimônio cultural imaterial, ao mesmo tempo que abrigam os últimos núcleos florestais contínuos de muitas regiões densamente povoadas³. O Objetivo de Desenvolvimento Sustentável 11.4 e a Meta Aichi 11 conjuntamente exigem a salvaguarda do patrimônio natural e cultural mundial e a proteção de habitats ecologicamente representativos, contudo uma década de monitoramento mostra que os dois objetivos evoluem de forma assíncrona em muitas jurisdições⁴. Na China, o programa nacional de Zonas de Proteção Ecológica Cultural (ZPEC) designa unidades territoriais coerentes nas quais a integridade ecológica e o patrimônio imaterial devem ser conservados como um único sistema⁵. No entanto, mais de quinze anos após sua criação, a política de ZPEC tem sido avaliada quase exclusivamente por meio de indicadores baseados em inventários, e não por meio dos mecanismos espaciais que conectam as duas camadas. Contudo, permanece empiricamente não resolvido em qualquer escala se os subsistemas ecológico e de patrimônio dentro das ZPECs se degradam de forma síncrona ou em trajetórias divergentes em resposta a estressores distintos.

Ao reorganizar a distribuição e a permeabilidade das matrizes de habitat, a fragmentação da paisagem altera a própria conectividade que sustenta a provisão de serviços ecossistêmicos⁶. A fragmentação é comumente quantificada por meio de índices de padrão da paisagem — densidade de fragmentos, irregularidade da forma, diversidade de Shannon da cobertura do solo — frequentemente associados a análises com janela móvel⁷. Mais recentemente, a análise morfológica de padrões espaciais (MSPA) — e suas variantes simplificadas (MSPA-lite), adotadas aqui — emergiram como ferramentas principais para isolar a estrutura de habitat núcleo–borda–ponte na ecologia regional chinesa^8,9. Essas ferramentas morfológicas são informativas, mas fundamentalmente as espaciais no que diz respeito ao fluxo de organismos ou serviços ecossistêmicos: elas descrevem a distribuição dos fragmentos de habitat, mas permanecem silenciosas sobre como e ao longo de quais caminhos os serviços ecológicos se propagam entre os núcleos de habitat¹⁰. Essa limitação é particularmente acentuada nas ZPECs chinesas, onde a própria premissa da política é que as entidades ecológicas e patrimoniais estão funcionalmente conectadas ao longo da paisagem. No entanto, sem um modelo espacial explícito quanto aos mecanismos, métricas de paisagem isoladamente não conseguem revelar os caminhos de conectividade que a gestão das ZPECs deveria proteger.

Modelos de conectividade baseados em teoria de grafos e circuitos têm preenchido parcialmente essa lacuna no que diz respeito a serviços ecológicos. Análises de caminho de menor custo (LCP) sobre superfícies de resistência derivadas de mapas de uso da terra são agora ferramentas padrão para delimitar corredores ecológicos entre núcleos de habitat^11,12. A teoria de circuitos (Circuitscape) trata a paisagem como uma rede de resistência e calcula as probabilidades de fluxo por múltiplos caminhos¹³. Sínteses recentes de redes multiplexas demonstraram que essas ferramentas de única camada podem ser estendidas para representar fluxos de serviços ecossistêmicos de oferta e demanda^14,15. Do lado do patrimônio cultural, a quantificação espacial tem avançado por linhas diferentes. A estimativa de densidade por kernel (KDE) tornou-se a representação padrão do agrupamento do patrimônio cultural imaterial¹⁶, e grafos combinatórios — geralmente triangulações de Delaunay ou redes de k-vizinhos mais próximos sobre localizações declaradas de patrimônio — capturam a estrutura relacional discreta do patrimônio cultural¹⁷. No entanto, as redes ecológicas e as de patrimônio quase sempre foram tratadas como objetos paralelos de única camada^18,19; a possibilidade de acoplá-las em uma suprared com dinâmicas de propagação governadas conjuntamente por ambas as camadas ainda não foi operacionalizada na escala CEPZ^20,21. Consequentemente, os limiares de resiliência nos quais redes acopladas de dupla camada perdem seu componente conectado principal sob remoção progressiva de estressores permanecem desconhecidos.

Modelos em rede — nos quais nós representam participantes e arestas codificam interações — fornecem o aparato matemático para abordar essa lacuna²². Redes multilayer e multiplex generalizam a representação em grafos para sistemas nos quais os mesmos atores participam de regimes de interação estruturalmente distintos²³, e oferecem uma estrutura compacta para medir acoplamento entre camadas, participação cruzada entre camadas e resiliência específica à camada. Na pesquisa de redes ecológicas, simulações baseadas em percolação com remoção de nós têm sido usadas para identificar a fração crítica f* na qual a maior componente conectada entra em colapso — um indicador amplamente aceito de resiliência estrutural²⁴. Estender essas ferramentas a uma arquitetura ecológico-patrimonial acoplada exige (i) um esquema explícito de acoplamento entre camadas que reflita a proximidade espacial entre núcleos de habitat e pontos patrimoniais, (ii) um protocolo de ataque que direcione cada camada independentemente, a fim de isolar vulnerabilidades específicas à camada, e (iii) um índice de prioridade composto que traduza os diagnósticos da rede acoplada em metas acionáveis de restauração. A estrutura da Rede Ecológico-Patrimonial em Dupla Camada (DEHN, na sigla em inglês) desenvolvida na presente análise opera esses três requisitos e, com base neles, quantifica os limiares de resiliência de ambas as camadas, juntamente com seus diagnósticos cruzados entre camadas, em uma escala multizona CEPZ.

As Zonas de Proteção Ecológica e Cultural Hakka constituem um gradiente comparativo de valor analítico excepcional. Abrangendo três zonas de nível nacional — Ganzhou no sul de Jiangxi, Minxi no oeste de Fujian e Meizhou no leste de Guangdong — as ZPEC Hakka cobrem conjuntamente 74.547 km² das montanhas Wuyi-Nanling-Lianhuashan e abrigam 23 itens do patrimônio cultural imaterial de nível nacional registrados nas artes cênicas, artesanato tradicional e práticas populares^25,26. Diferentemente das bacias áridas do interior, onde a unidirecionalidade hidrológica impulsiona o fluxo de serviços ecossistêmicos, as montanhas Hakka são caracterizadas por uma densa rede de corredores entre inúmeros pequenos núcleos de habitat, um patrimônio cultural enraizado em uma arquitetura de moradias fechadas com centenas de anos²⁷ e uma trajetória de despovoamento prolongada por décadas, que deixou muitos municípios montanhosos com migração líquida superior a 30% da população registrada²⁸. Essa combinação — alta densidade de patrimônio, população rural em declínio e florestas montanhosas persistentes — oferece um regime de estressores acoplados (perda ecológica impulsionada pela urbanização versus deterioração do patrimônio impulsionada pelo despovoamento), previsto por modelos teóricos multicamadas, mas raramente observado empiricamente em escala subnacional²⁹. Estudos de caso existentes sobre o patrimônio Hakka, focados em zonas individuais, forneceram ricas contribuições etnográficas e tipológicas, mas não elucidaram as dinâmicas espaciais acopladas das camadas ecológica e cultural³⁰. Como as três zonas situam-se na mesma faixa climática e topográfica, mas enfrentam combinações distintas de estressores — expansão periurbana em Ganzhou, intensificação do turismo em torno dos tulou em Minxi e despovoamento impulsionado pela diáspora em Meizhou — elas funcionam coletivamente como um gradiente comparativo com três tratamentos distintos para análise comparativa. Assim, espera-se que a estrutura desenvolvida aqui possa ser generalizada além do caso Hakka, fornecendo um modelo diagnóstico transferível para as quinze ZPECs nacionais adicionais e para paisagens culturais em outras partes do mundo que enfrentam acoplamentos análogos de estressores³¹.

Com base nessa lacuna, abordam-se duas questões interligadas. Primeiro, as redes de corredores ecológicos e de patrimônio imaterial em um território na escala de Zonas Ecológicas de Patrimônio Cultural (CEPZ) compartilham um limiar crítico comum de percolação sob ataques progressivos aleatórios e direcionados, ou as duas camadas falham em frações estruturalmente distintas de perda de nós? Segundo, caso as duas camadas apresentem resiliência divergente, qual delas estabelece a restrição determinante para a integridade do sistema acoplado, e onde os investimentos em restauração redistribuem mais eficientemente essa restrição? Para responder a essas questões, o presente estudo (i) constrói uma Rede Dual Ecológico-Patrimonial (DEHN, na sigla em inglês) que integra análise de padrões espaciais morfológicos em seis imagens de 30 m do Conjunto de Dados de Cobertura do Solo da China com estimativa de densidade por kernel de 23 itens de patrimônio cultural imaterial de nível nacional; (ii) quantifica limiares de percolação por camada sob quatro regras progressivas de remoção de nós e caracteriza a estrutura de acoplamento entre camadas por meio de centralidade de participação multiplexa e centralidade supra-autovetorial; e (iii) deriva um Índice Composto de Prioridade de Restauração (RPI, na sigla em inglês) e avalia sua aplicabilidade por meio de simulação de cenários e análise de sensibilidade multivariada. A estrutura resultante oferece uma base de decisão explícita em mecanismos e orientada por sensoriamento remoto para o planejamento de restauração ecológica em Zonas Ecológicas de Patrimônio Cultural no sul da China e em territórios comparáveis com múltiplas camadas de patrimônio.

Protocolo

Área de estudo
O sistema de Zonas de Proteção Ecológica e Cultural Hakka (CEPZs) compreende três zonas de proteção designadas nacionalmente, abrangendo a região montanhosa fronteiriça entre as províncias de Jiangxi, Fujian e Guangdong no sul da China (23°23′–27°08′ N, 113°50′–116°44′ E) (Figura 1A–D). As três zonas — a CEPZ de Ganzhou no sul de Jiangxi, a CEPZ de Minxi no oeste de Fujian e a CEPZ de Meizhou no leste de Guangdong — cobrem conjuntamente 74.547 km² e englobam 34 unidades administrativas em nível distrital (33 condados e uma sede distrital municipal), formando o núcleo geográfico da esfera cultural Hakka. A CEPZ de Ganzhou é a maior das três (39.341 km²), contendo 18 condados nas nascentes do rio Ganjiang e nos sopés da cordilheira Wuyi; abriga a maior concentração de moradias fechadas Hakka (weilongwu) e a distribuição mais densa de tulou no interior. A CEPZ de Minxi (19.353 km²) abrange 6 condados centrados em Longyan e Sanming, onde os agrupamentos de tulou de Fujian, inscritos pela UNESCO, constituem o patrimônio arquitetônico emblemático. A CEPZ de Meizhou (15.853 km²) engloba 9 condados nos trechos médios do rio Meijiang e é internacionalmente reconhecida como a "Capital Cultural Hakka", com a maior proporção de descendentes Hakka no exterior por habitante.

A topografia é dominada por montanhas de média altitude (400–1.600 m) pertencentes às cadeias de Wuyi, Nanling e Lianhuashan, com uma orientação tectônica nordeste–sudoeste. As três zonas compartilham um clima subtropical úmido de monção: a precipitação anual varia entre 1.500 e 2.100 mm, e a temperatura média anual é de 18–21 °C. Florestas de folhas largas e mistas perenifólias dominam a vegetação natural, intercaladas com áreas agrícolas em terraços ao longo dos vales fluviais. As três zonas abrigam conjuntamente mais de 12 milhões de pessoas (censo de 2020) — uma combinação paradoxal de alta densidade de patrimônio cultural e acentuada despovoação rural, com migração líquida superior a 30% dos residentes registrados em muitos condados montanhosos. Itens do patrimônio cultural imaterial (PCI) dos Hakka registrados em nível nacional somam 23 nas três zonas (Figura 1B–D), abrangendo artes cênicas (canções de montanha, ópera Hakka), artesanatos tradicionais (construção de tulou, impressão em blocos de madeira) e práticas populares (festivais San Yuan, culto aos ancestrais). A coexistência de um rico patrimônio cultural, população rural em declínio e florestas montanhosas relativamente preservadas torna as Zonas Ecológico-Culturais Hakka (ZEC-Hakka) um gradiente comparativo distinto para análise da robustez ecológico-estrutural acoplada da rede de inventário de PCI mapeada em escala subnacional³². Atributos básicos administrativos, morfológicos e culturais das três zonas estão resumidos em Tabela 1.

O programa CEPZ foi inaugurado pelo Ministério da Cultura e Turismo (MCT) em 2007 com o objetivo de proteger unidades territoriais coerentes nas quais a integridade ecológica e o patrimônio imaterial são conservados como um sistema acoplado³³. Todas as três zonas Hakka foram incluídas no nível de prioridade nacional entre 2013 e 2019, e a coordenação administrativa é exercida pelas repartições provinciais de assuntos culturais de Jiangxi, Fujian e Guangdong, respectivamente. Desde 2020, o planejamento de restauração e recuperação dentro dos limites do CEPZ está sujeito ao arcabouço do Planejamento do Espaço do Território Nacional (NTSP), que exige uma priorização espacialmente explícita de corredores ecológicos e zonas tampão de patrimônio³⁴. O caso Hakka combina, portanto, uma jurisdição administrativa inequívoca com um regime de estressores espacialmente heterogêneo, e seus resultados analíticos são diretamente aplicáveis dentro dos instrumentos de planejamento existentes. Avaliações recentes em escala CEPZ têm recomendado diagnósticos baseados em redes para substituir os indicadores baseados em inventários anteriormente utilizados³⁵, estabelecendo o cenário político direto no qual o arcabouço DEHN é desenvolvido. A paisagem Hakka é, por fim, distinguida por seu extenso legado da diáspora: só Meizhou representa mais de um terço da diáspora Hakka global, e o manejo da terra impulsionado por remessas produziu trajetórias de uso do solo nitidamente distintas daquelas de regiões montanhosas chinesas com estabilidade demográfica³⁶. Essa camada social não é diretamente parametrizada no presente modelo em múltiplas camadas, mas é documentada aqui como o cenário mecanicista no qual evoluem as camadas ecológica e de patrimônio.

Dados
Estatísticas descritivas sobre as áreas dos condados dentro da área de estudo: média = 2.193 km² (intervalo: 721–3.946 km²; mediana: 2.089 km²; DP: 687 km²; n = 34 condados). O diâmetro médio dos condados (assumindo forma circular) é aproximadamente 53 km, o que excede em 5,3 vezes o raio de acoplamento intercamadas de 10 km. Esse erro geográfico sistemático indica que o acoplamento real entre áreas ecológicas e AVC-por-hipertensão intracerebral pode diferir substancialmente da estimativa baseada no centróide. Uma análise de sensibilidade aumentando o raio de acoplamento para 20 km mostrou que a identidade dos 20 principais fragmentos de RPI foi preservada em 15 dos 20 casos, sugerindo robustez moderada à incerteza de geocodificação. Levantamentos de campo em nível de vila são identificados como trabalho futuro essencial para resolver essa limitação.

Tabela 2 resume os conjuntos de dados principais utilizados neste estudo. A cobertura do solo foi derivada do Conjunto de Dados de Cobertura do Solo da China (CLCD) desenvolvido pela Universidade de Wuhan com resolução espacial de 30 m, abrangendo o período de 1985 a 2023 com incrementos anuais³⁷. Seis anos representativos (2000, 2005, 2010, 2015, 2020, 2023) foram mantidos para caracterizar trajetórias de mudança em múltiplas décadas em intervalos consistentes de cinco anos, além do ano final. O esquema do CLCD distingue áreas agrícolas, florestas, arbustos, pastagens, corpos d'água, gelo/neve e superfícies impermeáveis, e sua precisão foi validada independentemente, apresentando acurácia geral superior a 79% na região estudada³⁸. Limites administrativos e perímetros das ZPEC foram obtidos do registro nacional de ZPEC do Ministério da Cultura e Turismo (MCT) e dos serviços Gaode POI; os itens de PCI em nível nacional foram geocodificados ao centróide do condado de origem de seu guardião cultural, seguindo a convenção adotada em estudos anteriores sobre redes de PCI na China³⁹. O conjunto de dados composto foi disponibilizado sob licença CC-BY e pode ser totalmente reproduzido por meio de repositórios abertos de sensoriamento remoto, em consonância com chamados recentes para pesquisas ecológicas em rede reproduzíveis⁴⁰.

O pré-processamento dos dados seguiu uma cadeia de cinco etapas implementada em Python 3.11 com rasterio 1.3, GeoPandas 0.14 e NetworkX 3.2. Primeiro, os GeoTIFFs anuais de 30 m do CLCD foram recortados para a caixa delimitadora da união das três zonas (23°23′–27°08′ N, 113°50′–116°44′ L) e reprojetados para a projeção Albers Conic Equal Area (lon₀ = 105°L, φ₁ = 25°N, φ₂ = 47°N) para preservar a área em análises morfológicas subsequentes. Segundo, a união dos perímetros das três ZPEC foi rasterizada como uma máscara de estudo, e todas as células fora da máscara foram definidas como NoData ao longo de todo o processo. Terceiro, as contagens de células por classe de cobertura do solo foram tabuladas para cada um dos seis anos de referência, a fim de permitir comparações diretas entre anos na trajetória de fragmentação. Quarto, o conjunto de pontos do PCI foi compilado a partir do registro nacional da State Council (lotes 1–5), geocodificado no centróide do município do guardião cultural declarado, verificado com base em serviços públicos de pontos de interesse e armazenado como uma camada GeoJSON em WGS-84 com atributos para identificador do item, categoria (artes cênicas, artesanato tradicional, práticas populares), lote de inscrição e afiliação à ZPEC. Quinto, todas as operações vetoriais e matriciais subsequentes foram realizadas na projeção Albers Conic Equal Area, utilizando leituras matriciais em janelas e processamento vetorizado em memória para manter a eficiência computacional na grade de 30 m. Todos os arquivos-fonte de limites e do PCI, juntamente com os scripts reprodutíveis de pré-processamento, estão disponíveis mediante solicitação razoável.

Métodos
A cadeia analítica (Figura 2) é organizada em cinco faixas horizontais — DADOS, CAMADA, ACOPLAMENTO, DIAGNÓSTICOS, RESULTADOS — e compreende seis módulos metodológicos: (i) quantificação morfológica da camada ecológica por meio de uma análise leve de padrões espaciais morfológicos (MSPA-lite) sobre o CLCD de 30 m; (ii) quantificação espacial da camada de patrimônio por meio da estimativa de densidade kernel (KDE) e grafos combinatórios de adjacência sobre os 23 itens de PCI em nível nacional; (iii) acoplamento das duas camadas em uma supra-rede bicas sob um esquema intercamadas de decaimento com a distância; (iv) identificação de limiar de resiliência baseado em percolação sob regras de remoção aleatória e direcionada de nós aplicadas independentemente a cada camada; (v) um Índice Composto de Prioridade de Restauração (RPI) mapeado sobre o conjunto de nós ecológicos para identificar remendos de Nível 1 (os mais bem classificados) e corredores de máxima prioridade; e (vi) simulação de cenários e análise de sensibilidade multivariada sobre a tipologia de prioridades e os parâmetros de acoplamento.

A matriz supra-adjacência A (256 × 256) foi construída como uma matriz em blocos, onde A_E,norm e A_H,norm são as matrizes de adjacência intra-camada normalizadas pelos respectivos pesos médios das arestas, e A_inter é a matriz de acoplamento inter-camada. A matriz é simétrica (verificada computacionalmente: ||A - A^T || < 1e-10) e não contém laços próprios (trace(A) = 0).

Estatísticas de pesos das conexões antes da normalização: camada ecológica — mínimo = 0,008730, média = 0,098589, máximo = 1,618909; camada cultural — mínimo = 0,006862, média = 0,019848, máximo = 0,085832. Após a normalização pela média: ecológica — mínimo = 0,0885, média = 1,000, máximo = 16,4207; cultural — mínimo = 0,3457, média = 1,000, máximo = 4,3244.

Os raios espectrais foram calculados a partir das matrizes de adjacência simétricas normalizadas pela média: bloco ecológico lambda_max = 19,6481, bloco de herança lambda_max = 10,5404 e supra-rede completa lambda_max = 19,6481. O bloco ecológico, portanto, domina o modo principal. Um valor anterior de centralidade em nível de nó havia sido rotulado incorretamente como um autovalor e foi removido de todos os relatórios de raio espectral. Para comparação, uma normalização estocástica por linha possui um autovalor principal de 1,000 por construção.

A regra de acoplamento inicial de 10 km gerou 42 conexões intercamadas: 35 atenderam ao limite rigoroso de distância, e sete foram ligações de reserva aos fragmentos mais próximos para nós ICH sem um fragmento dentro do raio. Assim, todos os 23 nós ICH mantiveram pelo menos uma conexão ecológica. A centralidade supra-autovetorial utilizada no RPI foi calculada a partir da matriz de adjacência simétrica normalizada pela média.

Quantificação de camadas ecológicas (MSPA-lite)
A análise de padrões espaciais morfológicos (MSPA) particiona máscaras binárias de cobertura do solo em categorias topologicamente informativas (núcleo, borda, ponte, laço, ilhota, perfuração, ramo), expondo assim a continuidade do habitat independentemente de sua composição⁴¹. Como a MSPA completa em um raster de 30 m cobrindo 74.547 km² apresentou custo computacional proibitivo em testes preliminares, este estudo adotou uma formulação de duas classes, denominada MSPA-lite, que mantém a distinção entre núcleo e borda, mas agrupa ponte/laço/ilhota em uma única classe agregada de "borda". A vegetação foi definida como a união dos códigos CLCD {floresta, arbustivo, pastagem}. O raster de 30 m foi reamostrado para 90 m utilizando agregação por regra majoritária, e um elemento estruturante circular de 3 células (equivalente a 270 m) foi aplicado por meio de erosão binária para isolar a região interior do núcleo; as células vegetadas residuais foram rotuladas como borda. Patches pequenos (<5 km²) foram excluídos para focar em núcleos ecologicamente significativos, seguindo o limiar de tamanho amplamente adotado em estudos regionais de MSPA na China⁴². O MSPA-lite fornece, para cada um dos seis anos representativos, a área vegetada total, a área de núcleo, a área de borda e a contagem de patches de núcleo individuais — descritores suficientes para rastrear a trajetória de fragmentação hipotetizada como o principal estressor ecológico (Seção 4.1).

A escolha de indicadores morfológicos derivados do CLCD em vez de séries temporais sazonais de NDVI ou LST é intencional. A contaminação por cobertura de nuvens sobre as montanhas Hakka normalmente excede 70% na estação chuvosa, e a geometria da bacia do lago terminal agrava a persistência de nuvens, de modo que a composição sazonal multiannual consistente de NDVI exigiria um pipeline personalizado para preenchimento de lacunas. Indicadores morfológicos derivados de mapas categóricos validados anualmente contornam esse ruído atmosférico, ao mesmo tempo que preservam as informações de conectividade mais relevantes para a análise de resiliência baseada em redes⁴³.

A sensibilidade dos parâmetros do MSPA-lite foi investigada em uma análise preliminar. O raio de erosão do núcleo foi variado entre 2, 3 e 4 células (equivalente a 180 m, 270 m e 360 m na área interior com agregação de 90 m), e o limiar mínimo de área do núcleo foi testado em 3 km², 5 km² e 10 km². A parametrização final (erosão de 3 células, limiar de 5 km²) foi mantida porque preservou uma ordem estável de classificação da abundância de fragmentos ao longo dos seis anos, ao mesmo tempo que eliminou núcleos espúrios pequenos gerados pelo ruído da classificação CLCD. Os resultados do MSPA-lite entre anos foram validados mediante inspeção manual de dez fragmentos selecionados aleatoriamente em cada ano, comparados com imagens de alta resolução do Google Earth, resultando em uma concordância categórica superior a 95% nas atribuições de núcleo versus borda na amostragem de 2020. Os identificadores de fragmentos foram harmonizados entre os anos utilizando uma regra de sobreposição espacial: um fragmento no ano t foi associado ao seu correspondente de sobreposição dominante no ano t + 5 sempre que o índice de Jaccard entre suas pegadas espaciais excedesse 0,60. Fragmentos sem um predecessor estável foram registrados como emergentes, e fragmentos sem um sucessor estável foram registrados como dissolvidos. Essa tabela de linhagem fundamenta a análise da trajetória de fragmentação relatada na Seção 3.1.

Quantificação da camada de patrimônio (ICH-KDE + rede de adjacência)
Para cada um dos 23 itens de patrimônio cultural imaterial (PCI) em nível nacional, o centróide do condado do detentor declarado do item foi utilizado como localizador pontual. Uma superfície de estimativa de densidade por kernel (EDK) foi calculada em uma grade de 500 m em toda a união das três zonas, com largura de banda de 5 km, comparável ao valor da regra empírica de Silverman estimado a partir da amostra de 23 pontos e sua extensão bivariada. A superfície de densidade resultante, ich_kde_5km, captura a concentração espacial do patrimônio cultural e constitui a âncora espacial para o grafo discreto de patrimônio. A escolha da largura de banda foi orientada por análises prévias de agrupamento de tulou chineses, que relataram o espaçamento modal entre agrupamentos em 6–8 km; uma largura de banda de 5 km permite resolver tanto a consolidação interna aos agrupamentos quanto os espaços entre agrupamentos.

O grafo do patrimônio G_H foi montado combinando uma triangulação de Delaunay sobre os 23 nós do ICH com o grafo dos k-vizinhos mais próximos (KNN, k = 4), resultando no conjunto de arestas união. Essa abordagem combinatória elimina as arestas alongadas da Delaunay que atravessam barreiras topográficas, ao mesmo tempo que mantém a conectividade entre vizinhos próximos, seguindo o protocolo de construção de grafos adotado em estudos recentes sobre serviços ecossistêmicos múltiplos⁴⁴. Os pesos das arestas foram atribuídos como o inverso da distância ortodrômica (em metros), de modo que itens de patrimônio mais próximos exerçam uma ligação inferida mais forte. No grafo de 23 nós, métricas de centralidade em nível de nó — grau, grau ponderado, intermediação, vetor próprio, PageRank e coeficiente de agrupamento — foram calculadas com peso = 1 / distância, conforme a prática padrão.

Para abordar a escolha metodológica de k = 4 no componente KNN do grafo de herança, foi realizada uma análise de sensibilidade ao valor de k, variando k de 3 a 8, mantendo-se a triangulação de Delaunay como base. O limiar de percolação por consenso variou de 0,754 (k = 4) a 0,923 (k = 7), com valores intermediários de 0,779 (k = 3), 0,773 (k = 5), 0,852 (k = 6) e 0,885 (k = 8). A escolha de k = 4 foi mantida porque produz o grafo mais esparsamente conectado que ainda garante conectividade total dos nós sem arestas redundantes de longo alcance, e porque a correlação de postos de Spearman entre a centralidade de grau dos nós para k = 4 e os valores adjacentes de k permaneceu alta (ρ = 0,691 para k = 3, ρ = 0,793 para k = 5). A triangulação de Delaunay foi mantida como camada base porque garante um grafo planar conectado que respeita a topologia espacial da distribuição de pontos de ICH, enquanto a sobreposição KNN elimina as arestas alongadas de Delaunay que atravessam barreiras topográficas (por exemplo, a crista montanhosa Wuyi). Essa construção combinada de Delaunay + KNN segue o protocolo de grafo adotado em estudos recentes de serviços ecossistêmicos multiplexos e assegura que a topologia da rede de herança não seja um artefato de uma única escolha arbitrária de parâmetro.

Corredores ecológicos e caminhos de menor custo
A construção da superfície de resistência seguiu a convenção da tabela de consulta baseada em classes (LUT)⁴⁵. A cada classe do CLCD foi atribuído um valor numérico de resistência que reflete sua impedância à dispersão biótica e ao fluxo de serviços ecossistêmicos (Tabela 3). A floresta recebeu a resistência base (1), seguida em ordem crescente por arbustos (5), pastagem (10), água (30), terras agrícolas (50), gelo/neve (200) e superfícies impermeáveis (500); as células sem dados receberam um valor neutro (100) como espaço reservado. A LUT foi aplicada ao raster CLCD 2020 de 90 m, gerando uma superfície de resistência com extensão de grade de 4.688 × 3.953 no sistema de projeção Albers Conic Equal Area.

Caminhos de menor custo (LCPs) foram calculados entre pares de fragmentos centrais utilizando a implementação do algoritmo de Dijkstra no módulo `graph.route_through_array` do skimage sobre a superfície de resistência. Os pares de nós candidatos foram restritos à união dos grafos do vizinho mais próximo-K (k = 4) e da triangulação de Delaunay dos 233 centróides dos fragmentos no espaço projetado, seguindo o protocolo de grafo LCP amplamente utilizado em estudos chineses de conectividade regional⁴⁶. Isso resultou em 799 corredores candidatos, cada um caracterizado pelo custo acumulado (soma inteira adimensional da resistência ao longo do caminho), comprimento do caminho em metros e resistência efetiva (custo/comprimento). Todos os 799 corredores foram mantidos no grafo ecológico final G_E, já que nenhum excedeu o limite máximo de custo recomendado para estudos regionais de conectividade⁴⁷.

A resistência ajustada ao declive foi considerada, mas não adotada; a cobertura do modelo digital de elevação disponível no fluxo de trabalho do estudo abrangia apenas as latitudes de 26,00 a 27,14° N e, portanto, não incluía os dois terços meridionais da região de estudo, de modo que a reprocessagem completa do SRTM na extensão de três zonas não foi realizada dentro do cronograma do estudo. Uma parametrização pura de resistência baseada em Uso e Cobertura da Terra (LULC) é um recurso padrão em estudos chineses regionais de corredores onde a integridade do modelo digital de elevação não é alcançável, e ela isola o sinal do LULC sem interferência dos gradientes topográficos⁴⁸.

A implementação do cálculo do PLC utilizou skimage.graph.route_through_array no modo `geometric`, com a superfície de resistência convertida para float32 e uma pequena constante aditiva (1e−6) aplicada às células de custo zero para evitar colapso degenerado do caminho. Para reduzir a demanda de memória na grade completa de 4.688 × 3.953, a superfície de custo foi dividida em quatro janelas sobrepostas de 2.344 × 1.977 com um buffer de 200 células, e os PLCs cujos pontos extremos abrangiam ladrilhos adjacentes foram calculados na união dos buffers mesclados para evitar artefatos de emenda. Todos os 799 PLCs candidatos foram validados mediante inspeção de uma amostra aleatória de 5% em relação à superfície de resistência de entrada, verificando conectividade contínua; nenhum caminho descontínuo foi detectado. As geometrias dos corredores foram vetorizadas por meio da extração com o método marching-squares e armazenadas como feições LineString WGS-84 em GeoJSON, mantendo como atributos o comprimento do caminho, o custo cumulativo, a resistência efetiva (custo/comprimento) e os identificadores dos fragmentos de origem e destino. Os pontos representativos dos centróides utilizados para seleção dos pontos extremos do PLC foram calculados com o método representative_point do GeoPandas, em vez dos centróides geométricos, para garantir que cada ponto final esteja dentro do polígono do fragmento correspondente em casos de geometrias de fragmentos côncavas.

Construção da supra-rede bicamada
O grafo do patrimônio G_H (n = 23, m = 73) e o grafo ecológico G_E (n = 233, m = 799) foram combinados em uma supra-rede bicamada. Uma aresta intercamada (h, e) foi inserida quando a distância geodésica entre o nó ICH h e o centróide do fragmento ecológico e não excedeu 10 km, um raio avaliado na análise de sensibilidade em 5, 10, 15 e 20 km (Seção 3.5). Caso nenhum fragmento estivesse localizado a menos de 10 km, o fragmento mais próximo foi conectado como alternativa mínima de conectividade. A rede de referência, portanto, contém 42 arestas intercamadas: 35 conexões com raio estrito e sete conexões alternativas.

Os pesos das arestas na matriz supra-adjacência A (256 × 256) foram atribuídos da seguinte forma: as arestas intra-herança mantiveram seus pesos baseados na distância recíproca; as arestas intra-ecológicas receberam o inverso do custo do caminho de menor custo (1 / custo); e as arestas intercamadas receberam o valor definido abaixo, onde d é a distância de acoplamento em quilômetros, e w_intra é o peso médio das arestas intra-camada, resultando em um acoplamento intercamadas com decaimento suave calibrado à magnitude intra-camada. A supra-rede suporta duas famílias de métricas derivadas: (i) a centralidade do supra-autovetor, calculada como o autovetor principal de A e atribuindo a cada nó uma pontuação de importância comparável entre camadas; e (ii) o coeficiente de participação multiplexa, conforme definido abaixo, seguindo o formalismo de participação multiplexa utilizado em diagnósticos de redes bi-camadas, que captura o equilíbrio entre as conexões intra-camada de um nó e seu acoplamento com a outra camada.

A matriz supra-adjacente A foi armazenada como uma matriz esparsa CSR usando o módulo esparsa do SciPy. O par próprio principal da matriz simétrica normalizada pela média foi calculado com a implementação eigsh do ARPACK e verificado por iteração de potência; o raio espectral da matriz completa foi lambda_max = 19,6481. Este mesmo autovetor de matriz simétrica forneceu a componente supra-autovetor-centralidade do RPI. A normalização por linha foi usada apenas para diagnósticos da matriz de transição; seu autovalor principal é 1,000 por construção. Funções alternativas de acoplamento entre camadas produziram correlações de classificação RPI acima de 0,94 com a linha de base de decaimento exponencial.

Limites de resiliência baseados em percolação
Cada camada foi submetida independentemente a quatro ataques progressivos de remoção de nós: (i) remoção aleatória uniforme, com média calculada em 500 réplicas (300 para os cenários na Seção 2.3.8); (ii) remoção direcionada por grau decrescente; (iii) remoção direcionada por centralidade de intermediação decrescente; e (iv) remoção direcionada por centralidade de vetor próprio decrescente. Após a remoção de k nós de um grafo inicial com n nós, a integridade estrutural foi medida como S(k) = LCC(k)/(n - k), onde LCC(k) é o número de nós no maior componente conectado entre os nós remanescentes. O limite crítico f* foi a menor fração de nós removidos k/n na qual S(k) < 0,5. Os limites relatados e as curvas de percolação utilizam essa normalização pelo número de nós remanescentes. O limite consenso f_C é a média aritmética dos quatro limites específicos a cada tipo de ataque.

Para o ataque por remoção aleatória, adotou-se 500 réplicas após testes preliminares de convergência terem mostrado que a curva média de LCC versus fração removida se estabilizou dentro de um coeficiente de variação de 0,02 até a réplica 350; 500 réplicas fornecem uma margem confortável acima desse ponto de convergência, com custo computacional adicional desprezível. Empates nas classificações por grau, centralidade de intermediação e vetor próprio — que ocorrem de forma não desprezível no grafo do patrimônio devido à sua escala de 23 nós — foram resolvidos em ordem alfabética pelo identificador do nó, garantindo exata reprodutibilidade entre execuções independentes. As progressões de ataque foram calculadas independentemente em cada camada para isolar vulnerabilidades específicas da camada; um protocolo de ataque conjunto, no qual os nós são removidos simultaneamente em ambas as camadas segundo a classificação por vetor próprio supra, foi considerado, mas não adotado, pois mistura os sinais das duas camadas de maneira que obscurece o diagnóstico específico por camada pretendido. O limiar de 0,5 na fração de LCC foi escolhido seguindo a prática padrão na pesquisa de percolação em corredores ecológicos; testes auxiliares de sensibilidade com limiares de LCC em 0,4 e 0,6 preservaram a ordem de classificação entre ecológico e patrimônio e alteraram os limiares de consenso absoluto em menos de 0,05 em qualquer direção. O limiar de consenso foi calculado como a média aritmética dos quatro limiares específicos de ataque. Embora as quatro regras de ataque tenham interpretações estruturais diferentes, o consenso atua como uma estatística resumida que captura a vulnerabilidade média ao longo de diferentes perfis de ameaça. A invariância do resultado direcional em relação ao modo de ataque (ecológico < patrimônio em três dos quatro ataques) fornece uma validação interna.

Para ataques aleatórios, foram realizados 500 replicados independentes. Com a LCC normalizada pelo número de nós remanescentes (n - k), a camada ecológica apresentou um limiar médio aleatório de 0,623 ± 0,058 (DP), e a camada de inventário patrimonial apresentou 0,960 ± 0,082. Os intervalos de confiança (95%) foram calculados a partir das distribuições dos replicados.

Os ataques direcionados (grau, intermediação, vetor próprio) utilizaram uma classificação estática com base na topologia inicial da rede, em vez de um recálculo dinâmico após cada remoção. Essa abordagem estática foi escolhida porque (i) fornece uma sequência de ataques reprodutível e determinística; (ii) o recálculo dinâmico em redes espaciais esparsas pode gerar classificações de centralidade instáveis; e (iii) a abordagem estática representa um cenário de pior caso. O recálculo dinâmico geralmente resulta em limiares ligeiramente mais baixos; as estimativas relatadas são conservadoras. A remoção foi implementada como uma remoção sequencial de um único nó. Para a rede de patrimônio com 23 nós, cada remoção corresponde a aproximadamente 4,3% dos nós; para a camada ecológica com 233 nós, cada remoção corresponde a aproximadamente 0,43%. Essa resolução mais fina do que 0,025 garante a detecção precisa do limiar.

Índice de prioridade de restauração (RPI)
O índice composto de prioridade de restauração (RPI) integra quatro linhas de evidência ao longo dos 233 fragmentos principais:

em que z(·) denota padronização para média zero e variância unitária em todos os fragmentos, w₁ = 0,35 enfatiza a centralidade estrutural da bicamada, w₂ = 0,20 atribui maior prioridade a fragmentos pequenos (pontos críticos de fragmentação), w₃ = 0,30 promove fragmentos com forte acoplamento ICH e w₄ = 0,15 aumenta o peso de fragmentos isolados com alto custo médio de borda. O vetor de pesos foi escolhido para enfatizar a centralidade estrutural e o acoplamento patrimonial (os dois canais novos na estrutura DEHN), mantendo ao mesmo tempo uma contribuição não desprezível da fragmentação e isolamento; a sensibilidade aos pesos foi quantificada na Seção 3.5. Os fragmentos foram atribuídos a três níveis de prioridade com base nos percentis 80 e 60 do RPI: Nível 1 (maior classificação) (top 20%), alto (percentil 60–80) e moderado (60% inferiores). A prioridade em nível de corredor classificou os 799 corredores por meio da soma do escore z do custo, da resistência efetiva e do RPI médio dos pontos extremos; os 15% superiores (n = 119) foram rotulados como corredores prioritários para restauração.

Simulação de cenário
Quatro cenários foram construídos para avaliar a aplicabilidade prática do framework DEHN. S1, o cenário de linha de base, manteve a rede ecológica não modificada G_E sob os quatro ataques de percolação. S2, o cenário de perda de nível moderado, removeu simultaneamente todos os 140 fragmentos classificados como fragmentos de nível moderado, simulando uma trajetória da paisagem na qual fragmentos pequenos não protegidos são perdidos, enquanto fragmentos críticos e de alta prioridade são preservados. S3, o cenário de restauração de nós do Nível 1, reduziu pela metade o custo das conexões entre dois fragmentos do Nível 1 quando seu custo original excedia a mediana, representando a restauração ecológica ao longo de corredores entre fragmentos estruturalmente centrais. S4, o cenário de restauração de corredores, reduziu o custo dos 119 corredores de maior prioridade em 40%, representando uma reabilitação em larga escala de corredores orientada pelo ranking RPI.

Para cada cenário, a pilha completa de percolação com 4 ataques foi reexecutada com 300 réplicas aleatórias, e os quatro limiares específicos por ataque, além do limiar de consenso, foram registrados para comparação entre cenários. Como os cenários S3 e S4 modificam apenas os pesos das arestas e não a topologia, esse delineamento isola a contribuição específica da redução de resistência para a robustez da rede — um diagnóstico sutil de mecanismo que simulações puras de remoção de nós não conseguem abordar. Os valores dos parâmetros dos cenários foram escolhidos para corresponder a magnitudes plausíveis de orçamentos de restauração. A redução de 50% no custo nas arestas entre o Nível 1 (maior classificação) e o Nível 1 (maior classificação) no cenário S3 aproxima-se da redução máxima de resistência alcançável pela expansão de faixas ripárias e reflorestamento em pequena escala nas terras dos corredores existentes dentro de um ciclo típico de planejamento de restauração de cinco anos nas ZPECs chinesas. A redução de 40% no custo nos 119 principais corredores no cenário S4 reflete um programa mais amplo de reabilitação da matriz dos corredores estendido por dez anos. O cenário de perda moderada S2 representa o contr factual no qual a atual priorização de restauração é respeitada, mas nenhuma proteção ativa é estendida aos fragmentos de nível moderado; isso reflete o envelope orçamentário atual do programa ZPEC, no qual a proteção explícita normalmente se concentra nos 40% superiores das áreas priorizadas.

Análise de sensibilidade
Duas análises de sensibilidade investigaram a robustez da classificação do IPR em relação às escolhas de modelagem. Primeiro, cada peso do IPR (w₁ – w₄) foi perturbado em ±0,05 e ±0,10, renormalizado para somar uma unidade, e a correlação de postos de Spearman ρ entre a classificação do IPR perturbada e a classificação de referência foi registrada. Segundo, o raio de acoplamento entre camadas foi variado em {5, 10, 15, 20} km, e tanto o número de conexões entre camadas quanto a correlação de Spearman do coeficiente de participação resultante com a linha de base de 10 km foram relatados. Essas duas análises quantificam conjuntamente a transferibilidade das conclusões do IPR para outras convenções de modelagem.

Além das perturbações individuais de pesos, foi realizada uma análise conjunta de incerteza em 1.000 combinações admissíveis de pesos amostradas a partir de uma distribuição Dirichlet centrada nos pesos originais (alpha = [3,5, 2,0, 2,5, 2,0]). Para cada combinação, o RPI foi recalculado e o conjunto de 20% dos fragmentos superiores foi identificado. Os resultados mostram que 15 fragmentos mantiveram a pertinência ao grupo dos 20% superiores com probabilidade >90%, 26 com probabilidade >75% e 43 com probabilidade >50%. Os 15 fragmentos mais estáveis (probabilidade >90%) estão concentrados no aglomerado central do autovetor de Meizhou, confirmando que a identificação das principais prioridades é robusta em relação à especificação dos pesos. O termo da área negativa é mantido porque fragmentos pequenos e geometricamente agrupados em Meizhou atuam como gargalos estruturais; núcleos grandes e intactos em Minxi contribuem menos para a melhoria da conectividade marginal, apesar de sua maior área.

Foram escolhidas perturbações de peso de ±0,05 e ±0,10 para delimitar a faixa de variação que um analista de domínio poderia razoavelmente atribuir, dadas divergências entre especialistas quanto à importância relativa dos quatro componentes do RPI. O limite inferior garante que nenhum componente individual seja reduzido a zero mesmo na maior perturbação testada (peso mínimo resultante = 0,05), preservando assim as quatro linhas de evidência em todas as perturbações. A varredura do raio de acoplamento de 5 a 20 km abrange a faixa documentada em estudos comparáveis de sistemas ecológico-sociais multiplexos. Ambas as análises de sensibilidade foram realizadas na rede completa de 233 fragmentos e 799 conexões, com todas as 500 sementes replicadas fixadas, de modo que as correlações de posto relatadas isolem o efeito da perturbação sem introduzir variância de Monte Carlo entre os níveis de sensibilidade. Uma terceira dimensão de sensibilidade — a escolha do limiar de colapso da fração da LCC — foi relatada qualitativamente na Seção 2.3.5 e discutida adicionalmente na Seção 4.4, juntamente com outras limitações delimitadas do quadro.

Resultados

Trajetória ecológica de fragmentação pluridecenal
A quantificação MSPA-lite ao longo das seis imagens do CLCD revelou uma trajetória geral de fragmentação não linear na paisagem Hakka triprovincial entre 2000 e 2023. A área total de fragmentos nucleares, definida como a área de componentes vegetados conectados ≥ 5 km², diminuiu de 44.485 km² em 2000 para 37.888 km² em 2023, representando uma perda líquida agregada de 6.597 km², ou 14,8%. A área de fragmentos nucleares aumentou modestamente de 44.485 km² em 2000 para 45.772 km² em 2010, correspondendo a um aumento de 2,9%, e posteriormente diminuiu para 41.919 km² em 2015 e 37.806 km² em 2020. A área apresentou uma pequena recuperação de 82,3 km², ou aproximadamente 0,2%, entre 2020 e 2023. O valor total de 2020 de 37.806 km² coincide com a soma dos três valores CEPZ relatados na Tabela 1. A contagem de fragmentos aumentou de 116 em 2.000 para 233 em 2020 e para 229 em 2023. A área média por fragmento diminuiu de 383,5 km² em 2.000 para 162,3 km² em 2020, uma redução de aproximadamente 57,7%, ou 58% após arredondamento (Figura 3).

A decomposição zonal acentuou o padrão. A ZEPC de Ganzhou, a maior zona, abriga a maior área vegetada absoluta (16.578 km² em 2020) e o maior número de fragmentos (144 fragmentos; área média de 115 km²). A ZEPC de Meizhou, a menor em extensão territorial (15.853 km²), manteve 56 fragmentos com uma área média de 107 km², indicando um mosaico periurbano-rural altamente subdividido. A ZEPC de Minxi apresentou o extremo oposto: 33 fragmentos com uma área média de 461 km², compatível com uma cobertura florestal de alta altitude comparativamente contínua. As zonas, portanto, exibem configurações distintas de fragmentação dentro da região de estudo, com implicações para a análise comparativa de redes nas Seções 3.2 e 3.4.

Topologia e acoplamento da rede bicamada
Antes de montar a suprerede bicamada, a camada de patrimônio G_H foi examinada isoladamente. A superfície de densidade kernel com largura de banda de 5 km sobre os 23 itens de PCI em nível nacional produz três concentrações principais de densidade: uma crista difusa em Ganzhou, um pico compacto em Minxi sobre a faixa de tulou Yongding-Nanjing e um pico em Meizhou sobre o distrito de Meixian (Figura 4A). A união Delaunay KNN (k = 4) gera G_H com 73 arestas, grau médio 6,35, densidade 0,289, um componente conectado e diâmetro 4 (Figura 4B). O grau médio dos nós classifica Meizhou (7,0) > Minxi (6,5) > Ganzhou (5,9), enquanto a classificação do autovetor somente para patrimônio é liderada por Minxi (0,237), seguida por Ganzhou (2,4 × 10⁻⁴) e Meizhou (2,1 × 10⁻⁵) (Figuras 4C e 4D). Esse padrão exclusivo de patrimônio é comparado com os resultados ecológicos e da suprerede nas Figuras 5 e 6.

O grafo ecológico de 2020, G_E, consiste em 233 nós e 799 arestas de corredores de menor custo. A rede é um único componente conectado com densidade de 0,030, grau médio k = 6,86 e coeficiente médio de agrupamento de 0,083; o diâmetro medido pelo número de arestas é 12, e o comprimento médio do caminho mais curto entre pares de fragmentos é 2.212 (unidades cumulativas de resistência). O grafo do patrimônio, G_H, compreende 23 nós e 73 arestas (união da triangulação de Delaunay e do KNN-4), com um grau médio de 6,35 e um único componente conectado. A distribuição espacial dos 23 nós do patrimônio juntamente com as arestas intercamadas acopladas revela três aglomerados modais de PCI — um aglomerado de Ganzhou centrado na região de Longnan–Anyuan, um aglomerado de Minxi centrado no território dos tulou de Yongding–Nanjing e um aglomerado de Meizhou centrado no distrito de Meixian (Figura 5A).

A análise de centralidade em G_E localizou todo o conjunto dos 15 principais hubs de vetor próprio dentro da Zona Ecológica de Proteção Central de Meizhou (CEPZ) (IDs dos fragmentos 194–219), sendo o fragmento 211 (um núcleo central de 9,3 km² em Meizhou) o líder com valor de vetor próprio de 0,37 e PageRank de 0,006. A forte concentração do vetor próprio reflete o denso tecido de corredores que conecta os pequenos fragmentos florestais geometricamente agrupados de Meizhou por meio de uma matriz de baixo custo (Figura 5C). Em contraste, a centralidade média de vetor próprio em Ganzhou é de apenas 1,6 × 10⁻⁴ e em Minxi de 1,9 × 10⁻⁵, três ordens de magnitude abaixo da de Meizhou, que é 7,3 × 10⁻². A centralidade de intermediação, no entanto, é mais uniformemente distribuída: Ganzhou atinge a maior média de intermediação (0,034), pois seu maior número de fragmentos gera mais tráfego de caminhos mais curtos através de nós estruturalmente intermediários. Essa discrepância entre as centralidades de vetor próprio (dominada por Meizhou) e de intermediação (com peso em Ganzhou) é um marcador distintivo da topologia tri-zonal.

A centralidade ecológica de camada única mostra um contraste entre vetor próprio e intermediação (Figura 6). A rede G_E de 2020 contém um complexo compacto de hub em Meizhou e uma estrutura mais difusa em Ganzhou (Figura 6A). Sua distribuição de grau é assimétrica à direita, com grau médio de 6,86 e máximo de 12 em fragmentos P193-P219 (Figura 6B). A área dos fragmentos e a centralidade de vetor próprio em camada única são negativamente correlacionadas (Spearman ρ = −0,21), de modo que os fragmentos de maior centralidade são geralmente núcleos menores em Meizhou, e não grandes fragmentos em Minxi (Figura 6C). Zona significa local. Meizhou apresenta os valores mais altos de centralidade de vetor próprio e PageRank, enquanto Ganzhou é o mais alto em intermediação (Figura 6D). Como esses painéis utilizam apenas G_E, o padrão de Meizhou está presente antes do acoplamento entre camadas; a comparação com a supra-rede indica que o acoplamento não é sua única fonte.

O acoplamento de G_H e G_E segundo a regra de linha de base gerou 42 arestas intercamadas: 35 conexões estritas de 10 km mais sete conexões de reserva. Vinte e nove dos 233 fragmentos ecológicos (12,4%) e todos os 23 nós de ICH possuem pelo menos uma conexão intercamada (grau médio de ICH para ecológico = 1,83; máximo = 5). O raio espectral da matriz supra-adjacência simétrica normalizada pela média é 19,6481. Um valor previamente rotulado incorretamente de centralidade em nível de nó foi removido do relatório de autovalores. A decomposição zonal do acoplamento fornece valores médios de ligação ecológica de 2,33 para Meizhou, 1,91 para Ganzhou e 1,17 para Minxi. Esses resultados descritivos identificam Meizhou como a zona com acoplamento mais forte segundo a regra especificada de distância e reserva.

Limites de resistência à percolação
As curvas de percolação específicas por camada foram inicialmente calculadas no grafo de inventário do patrimônio mapeado G_H (Figura 7). Sob quatro ataques progressivos, a razão da LCC normalizada pelos nós remanescentes diminuiu mais lentamente sob remoção aleatória, de centralidade de intermediação (betweenness) e de autovetor: os limiares foram 0,96, 1,00 e 1,00, respectivamente, em comparação com 0,74 na remoção baseada em grau (Figura 7A). Os limiares de eficiência global foram 0,86 para remoção aleatória, 0,83 para remoção por autovetor e 0,57 para remoção baseada em grau (Figura 7B). Esses resultados indicam alta robustez estrutural do grafo de inventário representado frente à remoção aleatória de nós e maior sensibilidade à remoção de nós de alto grau. O limiar de consenso é f_C(H) = 0,925 (Figura 7C); este não mede a continuidade da prática do patrimônio fora do grafo mapeado.

Ataques de percolação nas duas camadas sob quatro esquemas progressivos de remoção de nós (Seção 2.3.5) produziram uma assimetria acentuada (Figura 8). Os limiares da camada ecológica foram 0,62 (aleatório), 0,70 (grau), 0,44 (intermediação) e 1,00 (autovetor), resultando em f_C = 0,690 (Tabela 4). Os limiares da camada de inventário do patrimônio foram 0,96, 0,74, 1,00 e 1,00, respectivamente, resultando em f_C = 0,925. A diferença, Δf_C = 0,235, indica perda modelada mais precoce da integridade da rede ecológica em três das quatro regras de ataque. Na remoção baseada em grau, as camadas ecológica e de inventário do patrimônio cruzam S(k) = 0,5 nas frações de nós removidos de 0,70 e 0,74, respectivamente. Meizhou contém os nós ecológicos selecionados mais cedo pelo ataque baseado em autovetor; esta é uma associação dentro da topologia modelada, não evidência de uma cascata causal no mundo real.

A comparação bruta de limiares é influenciada pela densidade da camada. A partir das contagens de nós e arestas relatadas, a densidade ecológica é 2 × 799/(233 × 232) = 0,0296, enquanto a densidade do inventário do patrimônio é 2 × 73/(23 × 22) = 0,2885. Dividindo o limiar de consenso pela densidade, obtém-se 23,3 para a camada ecológica e 3,21 para a camada do inventário do patrimônio, uma razão de aproximadamente 7,3:1. Essa normalização descritiva indica que o limiar bruto mais alto do inventário do patrimônio reflete parcialmente seu grafo mais denso. Como o limiar por densidade é um diagnóstico comparativo e não um efeito de intervenção, não deve, por si só, ser interpretado como evidência de que a adição de arestas ou a proteção de nós produzirá um resultado político específico.

Somente sob a regra de ataque por autovetor as duas camadas exibem robustez comparável (ambas ≥ 0,98). Ataques aleatórios, por grau e por centralidade de intermediação localizam o ponto de colapso modelado mais cedo na camada ecológica do que na camada de inventário patrimonial. A concordância entre os três modos de ataque apoia a estabilidade desse resultado direcional dentro da rede analisada e das definições de ataque, sem implicar validade causal geral além dessas condições.

Mapeamento de prioridades de restauração
A rede de corredores ecológicos de 2020 utilizada para o mapeamento do IPR contém 799 segmentos de caminho de menor custo entre 233 fragmentos principais (Figura 9A). O comprimento dos corredores apresenta média de 28,75 km, mediana de 21,08 km, percentil 90 de 52,20 km e máximo de 266,1 km (Figura 9B). O custo acumulado também é assimetricamente inclinado para a direita, com média de 563,3, mediana de 259,6 e percentil 90 de 651,0 unidades de resistência-metro (Figura 9C). A associação positiva entre comprimento e custo em Figura 9D indica que a distância de travessia é um componente importante do custo modelado; a resistência local, viabilidade e condições de campo continuam sendo necessárias para avaliar qualquer corredor de restauração. A pontuação composta do IPR em 233 fragmentos principais resultou em uma distribuição com cauda pesada (média = 0, σ = 0,52, mínimo = −2,71, máximo = 1,83). Quarenta e sete fragmentos (20,2%) foram classificados na Camada Analítica 1 (IPR ≥ 0,290), 46 (19,7%) na camada alta (−0,184 ≤ IPR < 0,290) e 140 (60,1%) na camada moderada. Meizhou continha 22 dos 56 fragmentos na Camada 1, comparado com 20 dos 144 em Ganzhou e 5 dos 33 em Minxi. A combinação das duas camadas analíticas superiores resulta em 42 dos 56 fragmentos em Meizhou, 35 dos 144 em Ganzhou e 16 dos 33 em Minxi. Essas camadas representam classificações relativas sob os pesos especificados do IPR, não categorias prescritivas de valor de conservação (Figura 10). Os 15% superiores das pontuações de IPR dos corredores compreendem 119 corredores. Entre os 20 fragmentos com as classificações mais altas, 15 estão em Meizhou, três em Ganzhou e dois em Minxi; juntos, cobrem 277 km². Suas classificações refletem a combinação da centralidade supra-autovetor, o termo negativo da área do fragmento, acoplamento ICH e custo de isolamento. Figura 10A mapeia esse subconjunto derivado do modelo. A classificação não constitui um plano definitivo de restauração e deve ser combinada com a condição ecológica, viabilidade, tenure da terra, custos e prioridades das partes interessadas.

Tabela 5 resume a alocação por níveis de prioridade analítica nos três CEPZs. Meizhou contém 504,1 km² no Nível 1 distribuídos em 22 fragmentos, Ganzhou 439,9 km² em 20 fragmentos e Minxi 53,2 km² em cinco fragmentos. Meizhou também apresenta o maior valor médio de RPI (+0,339). A área agregada maior do nível elevado de Meizhou (4.095,7 km²) em comparação com o Nível 1 reflete o termo negativo de área do RPI, que aumenta as pontuações relativas dos fragmentos centrais menores. Esses resultados descrevem a alavancagem estrutural segundo o modelo; eles não estabelecem valor intrínseco de conservação nem uma alocação obrigatória de recursos para restauração.

Simulação de cenários e sensibilidade
Os quatro cenários produziram resultados contrastantes do modelo (Tabela 6). O S1 reproduziu o limiar de consenso de referência de 0,690. O S2, que removeu todos os fragmentos de nível moderado, reduziu o limiar para 0,011, uma diminuição modelada de 98,4%. Esse resultado é compatível com uma contribuição topológica substancial dos fragmentos classificados como moderados; no entanto, não constitui prova empírica de que tal perda ocorrerá nem prescreve um nível específico de restauração. Os cenários S3 e S4 retornaram um consenso de 0,690 porque alteraram os pesos das conexões sem modificar a topologia. Segundo essa definição de percolação, a redução da resistência pode melhorar a eficiência ponderada, mas não altera o limiar topológico. Assim, adicionar ou reconectar fragmentos de apoio é uma opção derivada do modelo para alterar tanto a topologia quanto a eficiência, e não uma intervenção obrigatória (Figura 11).

Cenários de perda de fragmentos em gradiente produziram uma resposta modelada não linear. A remoção de 25% dos fragmentos de nível moderado reduziu o limiar de consenso de 0,690 para 0,593 (−14,0%); a remoção de 50% resultou em 0,483 (−30,0%); 75% resultou em 0,312 (−54,8%); e 100% resultou em 0,011 (−98,4%). A diminuição modelada marginal aumentou nos intervalos de 25–50%, 50–75% e 75–100%. Nessas simulações, manter pelo menos metade dos fragmentos de nível moderado esteve associado à preservação de mais de 70% do limiar de referência; este é um resultado de cenário, não uma previsão de colapso no mundo real. A eficiência global ponderada (E_glob) foi calculada porque o limiar baseado no LCC é insensível a alterações nos pesos das conexões. O valor basal de E_glob foi 0,017230. O cenário S3 aumentou para 0,018628 (+8,1%), e o S4 aumentou para 0,017754 (+3,0%). Esses resultados modelados indicam uma conectividade ponderada melhorada, mesmo que o limiar de percolação topológica tenha permanecido inalterado. Assim, a redução da resistência e a expansão topológica afetam propriedades diferentes da rede, e a análise não estabelece uma intervenção universalmente superior.

A análise de sensibilidade confirmou a estabilidade das classificações dentro dos intervalos de parâmetros testados. A perturbação dos quatro pesos do IPR em ±0,05 e ±0,10 manteve o coeficiente de Spearman ρ ≥ 0,97. A variação do raio de acoplamento em 5, 10, 15 e 20 km alterou as contagens de conexões de raio estrito para 8, 35, 63 e 101, respectivamente; a linha de base com 42 conexões a 10 km compreende 35 conexões de raio estrito e sete conexões de reserva. As correlações dos coeficientes de participação com a linha de base de 10 km foram ρ = 0,73 a 15 km, 0,54 a 20 km e 0,27 a 5 km. Dezessete das 20 manchas com os maiores valores de IPR foram mantidas a 15 km e 15 a 20 km. Esses resultados indicam sensibilidade aos parâmetros e estabilidade parcial das classificações; eles não estabelecem transferibilidade irrestrita além da rede testada (Figura 12).

DISPONIBILIDADE DE DADOS:
O Conjunto de Dados de Cobertura da Terra da China está disponível no Zenodo (https://doi.org/10.5281/zenodo.4417810). O inventário nacional do patrimônio cultural imaterial é publicado pelo Conselho de Estado da China, e os dados de limites administrativos estão disponíveis no Centro Nacional de Geomática da China. As matrizes de rede derivadas, os resultados da percolação e o código de análise estão depositados no Zenodo (https://doi.org/10.5281/zenodo.21732093).

Figura 1: Área de estudo e layout do CEPZ. (A) Localizações dos três CEPZ nacionais no sul de Jiangxi, oeste de Fujian e leste de Guangdong. (BDistribuição dos 23 itens nacionais do ICH sobre a cobertura do solo CLCD 2020.CContagens da ICH por lote de inscrição.D) Composição da categoria ICH. Mapas são desenhados usando o Open Street Map colaboradores como o mapa de base administrativo limites e todos rótulos, símbolos, e temático camadas foram adicionado ou compilado por o autores. Painéis (C) e (D) foram preparado por o autores baseado em o estudo conjunto de dados Clique aqui para visualizar uma versão maior desta figura.

Figura 2: Fluxo analítico do framework DEHN. As cinco faixas mostram a montagem de dados, derivação em camada dupla, acoplamento, diagnósticos e saídas utilizadas para construir e avaliar a rede. Clique aqui para visualizar uma versão maior desta figura.

Figura 3: Trajetória de fragmentação MSPA-lite na paisagem tri-CEPZ, 2000–2023. (A) Distribuição espacial dos fragmentos nucleares por ano e por zona. (B) Tendências temporais na área total de fragmentos nucleares, área de borda e área total de vegetação. (C) Número de fragmentos nucleares e área total de fragmentos nucleares. Clique aqui para visualizar uma versão maior desta figura.

Figura 4: Análise da camada patrimonial de 23 itens do PCI nacional. (A) Superfície de densidade kernel. (B) Grafo de adjacência Delaunay-KNN G_H. (C) Dez nós com a maior centralidade de intermediação. (D) Métricas de centralidade por CEPZ. Clique aqui para visualizar uma versão maior desta figura.

Figura 5: Supraredes em duas camadas em 2020. (A) Disposição espacial do acoplamento entre camadas. (B) Distribuição do grau intercamadas para ICH. (C) Vinte nós com a maior centralidade de autovetor supra. (D) Coeficiente de participação versus centralidade de autovetor supra para todos os 256 nós. Clique aqui para visualizar uma versão maior desta figura.

Figura 6: Análise de centralidade por camada ecológica em G_E. (A) Disposição espacial da paisagem em 2020. (B) Distribuição do grau. (C) Área do fragmento versus centralidade do vetor próprio. (D) Métricas de centralidade por zona. Clique aqui para visualizar uma versão maior desta figura.

Figura 7: Percolação em camada de inventário de patrimônio sob ataques direcionados. (A) Razão da LCC versus fração de nós removidos sob quatro regras de ataque. (B) Decaimento da eficiência global. (C) Limiares específicos por ataque e limiares de consenso. Clique aqui para visualizar uma versão maior desta figura.

Figura 8: Percolação em camadas ecológicas sob quatro esquemas de ataque. (A) Ataque aleatório. (B) Ataques direcionados. (C) Comparação de limiar entre camadas. Clique aqui para visualizar uma versão maior desta figura.

Figura 9: Rede de corredores ecológicos em 2020. (A) Superfície de resistência. (B) Os 799 corredores de menor custo. (C) Distribuição acumulada de custo. (D) Relação entre comprimento e custo do corredor. Clique aqui para visualizar uma versão maior desta figura.

Figura 10: Mapeamento do índice de prioridade de restauração. (A) Distribuição espacial dos valores do IPR e os 15% superiores dos corredores. (B) Composição dos níveis analíticos por ZEPC. (C) Distribuição do IPR por zona. (D) Decomposição dos componentes para os 20 fragmentos com as maiores classificações. Clique aqui para visualizar uma versão maior desta figura.

Figura 11: Simulação de cenário da robustez da camada ecológica. (A) Curvas de percolação sob quatro cenários. (B) Comparação dos limiares críticos de consenso. Clique aqui para visualizar uma versão maior desta figura.

Figura 12: Análise de sensibilidade. (A) Correlações de postos de Spearman sob perturbações no peso RPI. (B) Estabilidade do coeficiente de participação ao longo de raios de acoplamento. Clique aqui para visualizar uma versão maior desta figura.

Atributo	CEPZ de Ganzhou	CEPZ de Minxi	CEPZ de Meizhou	Total
Província	Jiangxi	Fujian	Guangdong	—
Área (km²)	39.341	19.353	15.853	74.547
Unidades em nível de condado	18 condados	6 condados	9 condados + 1 distrito	34
Itens de PCI em nível nacional (n)	11	6	6	23
Itens de PCI associados aos Hakka (n)	7	5	5	17
Categorias principais de PCI	práticas populares, artesanato tradicional	artes cênicas, práticas populares	artes cênicas, artesanato tradicional	—
Fragmentos ecológicos principais ≥ 5 km² (2020)	144	33	56	233
Área total dos fragmentos principais (km², 2020)	16.577,60	15.214,10	6.014,00	37.805,70

Tabela 1: Visão geral das três ZEPC de Hakka e seus inventários de PCI. A tabela compara a extensão geográfica, a cobertura administrativa e os números de PCI em nível nacional nas regiões de Ganzhou, Minxi e Meizhou.

Tipo de dado	Fonte	Resolução / unidades	Tempo	Referência
Cobertura do solo (LULC)	Conjunto de Dados de Cobertura do Solo da China (CLCD), Universidade de Wuhan	Raster de 30 m	2000/05/10/15/20/23	Yang e Huang (2021)
Perímetros das ZEPF	Registro nacional do Ministério da Cultura e Turismo (MCT)	Polígonos vetoriais	2013–2020 (declarado)	MCT (2020)
Inventário nacional de PCI	Lista Nacional de PCI do Conselho de Estado da China (lotes 1–5)	Ponto (centroide do condado)	2006–2021	Conselho de Estado (2021)
Limites administrativos	Centro Nacional de Geomática da China	Polígonos vetoriais	2020	NGCC (2020)
Sistema de coordenadas	Conforme Cônica Albers (lon₀ = 105°, φ₁ = 25°, φ₂ = 47°)	—	—	—

Tabela 2: Fontes de dados primários. A tabela lista o provedor de cada conjunto de dados, a resolução espacial ou temporal e o papel no fluxo de trabalho analítico.

Classe CLCD	Valor de resistência	Justificativa
Floresta (2)	1	Habitat base; maior permeabilidade
Arbustivo (3)	5	Alta permeabilidade; sucessão secundária
Campo (4)	10	Permeabilidade moderada
Água (5)	30	Permeável localmente para táxons aquáticos; barreira para terrestres
Área cultivada (1)	50	Matriz semi-antrópica
Gelo/neve (7)	200	Barreira de alta elevação
Impermeável (8)	500	Barreira completa ao fluxo biótico
Sem dados (0)	100	Valor neutro substituto

Tabela 3: Valores de resistência do uso do solo. A tabela apresenta a resistência atribuída a cada classe do CLCD para a modelagem de corredores de menor custo.

Regra de ataque	f* ecológica	f* do patrimônio	Δ (H − E)
Aleatório (média de 500)	0.62	0.96	0.34
Grau decrescente	0.7	0.74	0.04
Intermediação decrescente	0.44	1	0.56
Vetor próprio decrescente	1	1	0
Consenso (média)	0.69	0.925	0.235
Normalizado por densidade (f_C/densidade)	23.3	3.21	−20.09
Desvio padrão do ataque aleatório	0.058	0.082	0.024

Tabela 4: Limiares críticos de percolação para as camadas ecológica e de inventário patrimonial em 2020. Valores específicos por ataque e seus consensos resumem a robustez estrutural sob a normalização do LCC de nós remanescentes.

CEPZ	Total de fragmentos	Nível 1 (maior classificação) (n / km²)	Nível alto (n / km²)	Nível moderado (n / km²)	Média 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
Os três CEPZs	233	47 / 997,2	46 / 4.694,0	140 / 32.114,6	0

Tabela 5: Alocação dos níveis de RPI nas três CEPZs. As contagens de fragmentos, áreas e valores médios de RPI mostram a distribuição comparativa dos níveis analíticos por zona.

Cenário	Descrição	f* de consenso	Δ vs S1
S1	Valor inicial (G_E não modificado)	0.69	0
S2	Perda de nível moderado (140 fragmentos removidos)	0.011	−0.679
S3	Reduzir pela metade o custo nas conexões entre o Nível 1 (mais bem classificado) – Nível 1 (mais bem classificado)	0.69	0
S4	Reduzir o custo em 40% nos 119 corredores principais	0.69	0
S2a (25% moderado removido)	35 dos 140 fragmentos moderados removidos	0.593	-0.097
S2b (50% moderado removido)	70 dos 140 fragmentos moderados removidos	0.483	-0.207
S2c (75% moderado removido)	105 dos 140 fragmentos moderados removidos	0.312	-0.378
Eficiência global ponderada	S1=0.0172, S3=0.0186(+8,1%), S4=0.0178(+3,0%)	Ver texto	-

Tabela 6: Limiares de percolação por consenso em simulações de cenários. A tabela compara os resultados dos modelos de linha de base, perda de fragmentos, restauração de nós e restauração de corredores.

Reserva	Nós	Conexões	Densidade	Ataque aleatório (média ± DP; n = 500)	Grau	Intermediação	Vetor próprio	Consenso
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: Limiares de percolação por reserva. A tabela apresenta limiares específicos por ataque e limiares de consenso separadamente para Ganzhou, Minxi e Meizhou.

Discussão

A decomposição tri-zonal dos diagnósticos morfológicos e de rede revelou heterogeneidade espacial acentuada na configuração ecológica⁴⁹. Ganzhou apresentou a maior área vegetada e maior número de fragmentos, mas o menor tamanho médio de fragmento, enquanto Minxi manteve os fragmentos médios mais extensos (461 km²), compatível com a floresta contínua na borda das montanhas Wuyi. Meizhou continha 56 fragmentos em um território menor e exibiu a maior concentração de hubs ecológicos de autovetor. A análise de mudanças no CLCD indicou uma alteração geral não linear na área dos fragmentos principais. A área dos fragmentos principais aumentou de 44.485 km² em 2000 para 45.772 km² em 2010, antes de diminuir para 41.919 km² em 2015 e 37.806 km² em 2020. A redução entre 2010 e 2020 foi de 7.966 km², equivalente a 17,4% da área dos fragmentos principais em 2010. A área dos fragmentos principais foi de 37.888 km² em 2023, representando um pequeno aumento de 82,3 km² em relação a 2020. Apesar disso, a redução geral entre 2000 e 2023 foi de 6.597 km², ou 14,8%. As transições de áreas vegetadas para áreas principais para áreas agrícolas representaram 38% da perda líquida dos fragmentos principais, as transições associadas a transportes, reservatórios e pegadas industriais representaram 31%, a conversão para superfícies impermeáveis representou 22% e outras transições mapeadas representaram 9%. Ganzhou, Meizhou e Minxi contribuíram respectivamente com 52%, 35% e 13% da perda líquida. Esses são resultados de contabilidade de cobertura do solo e associações descritivas; a urbanização, o desenvolvimento de infraestrutura, investimentos em pomares, despovoamento e processos políticos são explicações contextuais plausíveis, mas não foram testados diretamente como fatores causais⁵⁰.

A análise de percolação por reserva também identificou diferenças substanciais na robustez ecológica modelada. Os limiares de consenso foram de 0,374 para Ganzhou, 0,573 para Minxi e 0,286 para Meizhou, enquanto os limiares medianos de ataques aleatórios nas 500 réplicas de simulação foram de 0,410, 0,667 e 0,446, respectivamente. Em contraste, a Table 7 relata os valores médios correspondentes ± DP de 0,420 ± 0,079, 0,686 ± 0,162 e 0,464 ± 0,120, respectivamente. Assim, Minxi apresentou a maior robustez modelada, e Meizhou a menor, sob as regras especificadas de construção da rede e de ataques. Ganzhou combinou uma matriz impermeável maior com núcleos internos relativamente intactos e uma média mais alta de centralidade de intermediação (0,034), sugerindo maior concentração de tráfego de caminhos mais curtos. Meizhou, por outro lado, continha muitos fragmentos pequenos dentro de subgrafos localmente densos e exibia maior centralidade de vetor próprio e maior concentração de hubs locais. Essas diferenças descrevem a topologia da rede de corredores modelada, em vez de demonstrar que a pressão do desenvolvimento ou a despovoação causaram os padrões observados^51,52.

Nas três zonas, as camadas de inventário do patrimônio ecológico e mapeado exibiram limiares estruturais divergentes. A camada ecológica atingiu o ponto de colapso modelado em uma fração consensual de nós removidos de 0,690, comparada a 0,925 para a camada de patrimônio, uma diferença de 0,235. O limiar ecológico foi menor sob ataques aleatórios, por grau e por centralidade de intermediação, enquanto as duas camadas apresentaram robustez comparável apenas sob o ataque baseado no vetor próprio. Essa assimetria sugere que, nos grafos representados, a integridade dos corredores ecológicos é o componente estrutural mais restritivo do sistema acoplado⁵³. No entanto, a camada de patrimônio consiste apenas em 23 itens de patrimônio cultural imaterial (PCI) de nível nacional mapeados e não deve ser interpretada como uma medida direta da continuidade, vitalidade ou extensão geográfica das práticas culturais. O limiar mais alto do patrimônio também está parcialmente relacionado à sua densidade muito maior no grafo (0,289 versus 0,030 para a camada ecológica). Os limiares normalizados pela densidade fornecem uma comparação descritiva dentro do estudo, mas não devem ser interpretados como evidência de que o aumento da densidade de conexões ou a proteção de um número específico de nós produzirá um resultado previsível em termos de política pública⁵⁴.

O acoplamento inicial era limitado, mas espacialmente desigual: 42 ligações intercamadas conectavam todos os 23 nós de ICH a 29 fragmentos ecológicos, incluindo 35 ligações de raio estrito e sete ligações de reserva ao fragmento mais próximo. Meizhou apresentou a maior média de ligação entre ICH e ecológica (2,33) e continha a maior concentração de hubs ecológicos, tornando-a ao mesmo tempo fortemente acoplada e estruturalmente sensível na rede modelada⁵⁵. O contraste entre as camadas também foi evidente nos rankings de centralidade: Minxi liderou o ranking de vetor próprio considerando apenas a herança, enquanto Meizhou liderou os rankings ecológico e da rede supra. Essa inversão demonstra que os rankings baseados em uma única camada podem mudar após a introdução do acoplamento intercamadas. No entanto, os resultados não estabelecem que uma zona deva automaticamente receber prioridade. Em Meizhou, os planejadores poderiam avaliar a proteção ou reconexão de fragmentos pequenos, mas altamente centrais; em Ganzhou, fragmentos intermediários com alta centralidade de intermediação poderiam ser examinados juntamente com as restrições de uso do solo periurbano; e em Minxi, a proteção e consolidação de grandes núcleos contínuos pode ser mais relevante do que adicionar inúmeros fragmentos pequenos⁵⁶. Todas essas opções exigem validação de campo, avaliação de viabilidade e custos, análise da titularidade da terra e participação das partes interessadas.

A análise de cenários esclareceu a distinção entre eficiência ponderada e robustez topológica⁵⁷. A remoção de todos os fragmentos de nível moderado reduziu o limiar de consenso de 0,690 para 0,011, enquanto os cenários de perda progressiva produziram limiares de 0,593, 0,483, 0,312 e 0,011 ao remover 25%, 50%, 75% e 100% dos fragmentos de nível moderado, respectivamente. Esses resultados indicam que fragmentos fora dos níveis analíticos mais altos ainda podem contribuir significativamente do ponto de vista topológico. Em contraste, a redução dos custos das conexões nos cenários de restauração da Camada 1 e dos corredores de máxima prioridade não alterou o limiar de percolação não ponderado, embora a eficiência global ponderada tenha aumentado em 8,1% e 3,0%, respectivamente. Assim, a redução da resistência e a expansão topológica afetam propriedades diferentes da rede: a primeira pode melhorar a eficiência do fluxo modelado, enquanto a segunda é necessária para alterar o limiar segundo a definição atual⁵⁸. A classificação RPI manteve-se altamente estável sob as perturbações de pesos testadas (ρ de Spearman ≥ 0,97), mas as alterações no raio de acoplamento resultaram em estabilidade parcial, indicando que as prioridades são resultados úteis para triagem, e não prescrições definitivas de restauração.

Várias limitações restringem a interpretação e indicam direções para pesquisas futuras. Primeiro, a superfície de resistência foi baseada exclusivamente na cobertura do solo, pois não havia cobertura completa do MDE disponível para a extensão do estudo; modificadores de declive e umidade topográfica devem ser incorporados em análises futuras para testar se o padrão de hub em Meizhou persiste⁵⁹. Segundo, os itens de PCI foram georreferenciados aos centroides dos condados, o que mascara a variação intracondado e pode gerar viés no acoplamento entre camadas; pesquisas em nível de vila, especialmente em Meizhou, são necessárias para melhorar a representação espacial⁶⁰. Terceiro, a análise multilayer foi transversal para o ano de 2020, embora a fragmentação ecológica tenha sido documentada entre 2000 e 2023. A reconstrução das redes ecológicas e de acoplamento para todos os anos de referência permitiria inferências temporais mais robustas⁶¹. Quarto, os cenários foram determinísticos e não incluíram modelos de projeção de uso da terra, como PLUS ou FLUS. Trabalhos futuros poderiam integrar simulações estocásticas de uso da terra, custos de restauração, condição ecológica, oferta de serviços ecossistêmicos e indicadores de continuidade das práticas de PCI. Expandir a camada de patrimônio para incluir itens em nível provincial também revelaria ligações culturais e ecológicas em escala mais fina⁶². Assim, o framework DEHN deve ser considerado um diagnóstico comparativo reprodutível: ele identifica vulnerabilidades estruturais e locais candidatos a intervenções, mas sua aplicação a outras ZEPCs ou paisagens culturais exige redes reconstruídas localmente, protocolos de ataque consistentes, validação de campo e consideração explícita das prioridades de governança e das comunidades⁶³.

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Dados de limite administrativo	Centro Nacional de Geomática da China	Conjunto de dados de limite administrativo da China; https://www.ngcc.cn/
Solucionador de autovalores ARPACK	ARPACK-NG através do SciPy	scipy.sparse.linalg.eigsh; https://github.com/opencollab/arpack-ng
Conjunto de dados de cobertura do solo da China (CLCD)	Universidade de Wuhan / Zenodo	Conjunto de dados anual de 30 m; registro 4417810; https://zenodo.org/records/4417810
Registro de Zona de Proteção Ecológica Cultural	Ministério da Cultura e Turismo da China	Registro nacional de ZPEC; https://www.mct.gov.cn/
Triangulação de Delaunay e análise de k-vizinhos mais próximos	SciPy / NetworkX	Construção de rede de adjacência do patrimônio; k = 4
Serviços de POI Gaode	Amap / Gaode	Serviço online de POI; https://lbs.amap.com/
GeoPandas	Desenvolvedores do GeoPandas / PyPI	Versão 0.14; https://geopandas.org/
Imagens do Google Earth	Google	Imagens do Google Earth; https://earth.google.com/
Estimativa de densidade por kernel	Ambiente científico de computação em Python	Grade de 500 m; largura de banda de 5 km
Algoritmo de caminho de menor custo	Projeto scikit-image	Algoritmo de Dijkstra através de route_through_array
Inventário Nacional do Patrimônio Cultural Imaterial	Conselho de Estado da República Popular da China	Inventário em nível nacional, lotes 1-5
NetworkX	Desenvolvedores do NetworkX / PyPI	Versão 3.2; https://networkx.org/
Python	Fundação Software Python	Versão 3.11; https://www.python.org/
rasterio	Desenvolvedores do rasterio / PyPI	Versão 1.3; https://rasterio.readthedocs.io/
scikit-image	Desenvolvedores do scikit-image / PyPI	skimage.graph.route_through_array; https://scikit-image.org/
SciPy esparsa	Comunidade SciPy	scipy.sparse; https://scipy.org/
DEM da missão de topografia por radar espacial	NASA / USGS	DEM SRTM; avaliação preliminar apenas; cobertura incompleta da área de estudo
Repositório de análise Zenodo	Zenodo	Código, matrizes derivadas e resultados; https://doi.org/10.5281/zenodo.21732093