County-Scale Spatiotemporal Dynamics and Drivers of Habitat Quality in the Capital Economic Zone

doi:10.19657/j.geoscience.1000-8527.2024.124

Abstract

Abstract:

To assess the spatiotemporal dynamics of habitat quality and its drivers in the Capital Economic Zone (CEZ) from 1990 to 2020, we integrated multi-source, heterogeneous remote sensing data and biophysical models to evaluate habitat quality trends. Spatial autocorrelation analysis revealed distinct spatial clustering patterns, while a spatiotemporal geographically weighted regression (GTWR) model quantified the temporally and spatially heterogeneous impacts of natural, socio-economic, and landscape configuration factors. Key results indicate: (1) Habitat quality distribution strongly correlates with land-use types, with forests exhibiting the highest quality and built-up/agricultural lands the lowest. Despite relative spatial stability, the CEZ experienced a 3.51% mean decline in habitat quality, concentrated in rapidly urbanizing Tianjin (-23%) and Langfang (-21%); (2) Habitat quality displayed persistent positive spatial autocorrelation (Moran’s I), with high-high clusters in northwestern districts (ecologically stable zones) and low-low clusters in southeastern districts (urban/agricultural cores), consistent with regional urbanization gradients; (3) Driver impacts diverged spatiotemporally: precipitation, NDVI (vegetation cover), elevation, and landscape connectivity metrics (NP, PD, IJI, SPLIT) enhanced habitat quality, whereas temperature, GDP, population density, and fragmentation indices (SHAPE, PARA_MN, PRD, SHDI) degraded it. Patch cohesion (COHESION) exhibited spatially balanced positive/negative effects. This work provides a mechanistic framework to disentangle urbanization-ecology trade-offs, supporting spatially targeted policies for sustainable development in metropolitan regions.

Key words: habitat quality, biophysical model, GTWR, capital economic zone

CLC Number:

P962
X171.1

ZHU Meitao, XING Liyuan, NIU Xueyao, LIU Xiaohuang, WU Jie, SONG Dongyang, GONG Lun, AN Hongyan. County-Scale Spatiotemporal Dynamics and Drivers of Habitat Quality in the Capital Economic Zone[J]. Geoscience, 2025, 39(02): 396-409.

Figures/Tables 13

References 36

[1]	陈慧敏, 赵宇, 付晓, 等. 西辽河上游生境质量时空演变特征与影响机制[J]. 生态学报, 2023, 43(3): 948-961.
[2]	吴健生, 曹祺文, 石淑芹, 等. 基于土地利用变化的京津冀生境质量时空演变[J]. 应用生态学报, 2015, 26(11): 3457-3466.
[3]	DU H Q, ZHAO L, ZHANG P T, et al. Ecological compensation in the Beijing-Tianjin-Hebei region based on ecosystem services flow[J]. Journal of Environmental Management, 2023, 331: 117230.
[4]	凌云, 杨宜男, 许迦龙, 等. 京津冀地区城市化对典型生态系统服务供需关系的影响[J]. 生态学报, 2023, 43(13): 5289-5304.
[5]	杨旻, 侯鹏, 祝汉收, 等. 生态安全视角下的生态保护红线成效评估研究[J]. 测绘科学, 2022, 47(8): 135-145.
[6]	冉璇, 李渊, 郭宇龙, 等. 基于InVEST模型的钱江源国家公园生态系统服务评估及权衡协同关系研究[J]. 长江流域资源与环境, 2023, 32(9): 1932-1948.
[7]	YANG Y Y, REN X Z, YAN J M. Trade-offs or synergies? Identifying dynamic land use functions and their interrelations at the grid scale in urban agglomeration[J]. Cities, 2023, 140: 104384.
[8]	任胤铭, 刘小平, 许晓聪, 等. 基于FLUS-InVEST模型的京津冀多情景土地利用变化模拟及其对生态系统服务功能的影响[J]. 生态学报, 2023, 43(11): 4473-4487.
[9]	郭富印, 刘晓煌, 张文博, 等. 2000—2040年黄河流域(河南段)生境质量时空格局演变及驱动力分析[J]. 现代地质, 2024, 38(3): 599-611.
[10]	邓越, 蒋卫国, 王文杰, 等. 城市扩张导致京津冀区域生境质量下降[J]. 生态学报, 2018, 38(12): 4516-4525.
[11]	闫宇星, 杨园园, 王永生, 等. 近40年京津冀地区生境质量变化趋势与归因分析[J]. 遥感技术与应用, 2023, 38(2): 251-263. DOI
[12]	隋露, 闫志明, 李开放, 等. 人类活动及气候变化影响下伊犁河谷生境质量预测研究[J]. 干旱区地理, 2024, 47(1): 104-116. DOI
[13]	蔡进, 危小建, 江平, 等. 基于贝叶斯网络的生态系统服务权衡协同关系强度及其空间格局优化: 以汾河流域为例[J]. 环境科学, 2024, 45(5): 2780-2792.
[14]	梁甜, 黄茜, 杨霏, 等. 基于InVEST-PLUS模型的三峡库区(重庆段)生境质量演变及预测[J]. 长江流域资源与环境, 2023, 32(10): 2184-2195.
[15]	卢照地, 张正峰. 京津冀国土空间格局演变及其驱动因素的区域差异性研究[J]. 中国土地科学, 2022, 36(10): 42-52.
[16]	郭佳晖, 刘晓煌, 张文博, 等. 基于InVEST模型和PLUS模型的云贵高原产水量时空变化特征分析[J]. 现代地质, 2024, 38(3):624-635.
[17]	GUO J C, JIANG C, WANG Y X, et al. Exploring ecosystem responses to coastal exploitation and identifying their spatial determinants: re-orienting ecosystem conservation strategies for landscape management[J]. Ecological Indicators, 2022, 138: 108860.
[18]	殷阿娜, 李从欣. 京津冀大气污染协同治理政策效应评估及异质性研究[J]. 生态经济, 2023, 39(3): 184-191.
[19]	LI D L, CAO W F, DOU Y H, et al. Non-linear effects of natural and anthropogenic drivers on ecosystem services: Integrating thresholds into conservation planning[J]. Journal of Environmental Management, 2022, 321: 116047.
[20]	JIANG C, ZHANG H Y, ZHANG Z D, et al. Model-based assessment soil loss by wind and water erosion in China’s Loess Plateau: Dynamic change, conservation effectiveness, and strategies for sustainable restoration[J]. Global and Planetary Change, 2019, 172: 396-413.
[21]	邱陈澜, 王彩侠, 章瑞, 等. 京津冀城市群生态空间固碳服务功能及其与景观格局的关系特征[J]. 生态学报, 2022, 42(23): 9590-9603.
[22]	MITCHELL M G E, SUAREZ-CASTRO A F, MARTINEZ-HARMS M, et al. Reframing landscape fragmentation’s effects on ecosystem services[J]. Trends in Ecology & Evolution, 2015, 30(4): 190-198.
[23]	WANG J L, ZHOU W Q, PICKETT S T A, et al. A multiscale analysis of urbanization effects on ecosystem services supply in an urban megaregion[J]. Science of the Total Environment, 2019, 662: 824-833.
[24]	张晓燕, 马维艳, 何伟军, 等. 长江三峡生态经济走廊生态系统服务的时空演化特征及影响因素研究[J]. 生态经济, 2023, 39(8): 145-155.
[25]	程林, 王艳霞, 田海兰, 等. 滦河流域土壤侵蚀敏感性评价分析[J]. 湖北农业科学, 2017, 56(22): 4282-4284,4294.
[26]	RAN P L, HU S G, FRAZIER A E, et al. The dynamic relationships between landscape structure and ecosystem services: An empirical analysis from the Wuhan metropolitan area, China[J]. Journal of Environmental Management, 2023, 325:116575.
[27]	WU H F, HU B A, HAN H R, et al. Network analysis reveals the regulatory effect of mixed stands on ecosystem structure and functions in the Loess Plateau, China[J]. Science of the Total Environment, 2022, 824: 153588.
[28]	杨珺, 李豪, 马青, 等. 汾河流域土地利用景观格局演变及其驱动因素探究[J]. 西北农林科技大学学报(自然科学版), 2024, 52(6): 83-94.
[29]	程研, 关颖慧, 吴秀芹. 基于土地利用变化的喀斯特断陷盆地景观格局演变与生态安全评价[J]. 生态学报, 2023, 43(22): 9471-9485.
[30]	冯应斌, 慕卫东. 国家级新区建设用地扩展的景观格局特征分析:以重庆市两江新区为例[J]. 江苏农业科学, 2017, 45(8): 224-228.
[31]	干靓, 吴志强, 郭光普. 高密度城区建成环境与城市生物多样性的关系研究:以上海浦东新区世纪大道地区为例[J]. 城市发展研究, 2018, 25(4): 97-106.
[32]	陆禹, 魏甫, 罗改改. 万宁市景观格局对生境质量的影响[J]. 热带农业科学, 2023, 43(4): 63-69.
[33]	周婷, 王强, 梁加乐, 等. 景观格局对生态系统服务的影响研究:以汉江生态经济带为例[J]. 世界地理研究, 2023, 32(8): 152-165. DOI
[34]	田湘云, 张超, 陈棋, 等. 云南省岩溶地区土地利用对石漠化景观格局演变的影响分析[J]. 林业资源管理, 2022(1): 61-69.
[35]	杨渺, 肖燚, 欧阳志云, 等. 四川省生物多样性与生态系统多功能性分析[J]. 生态学报, 2021, 41(24): 9738-9748.
[36]	贾路, 于坤霞, 李占斌, 等. 长江经济带景观格局对生态系统服务价值影响的概率评估[J]. 农业工程学报, 2023, 39(15): 217-227.

数据类别	格式	数据描述	数据来源	用途
土地利用类型	栅格	时间跨度:1990、2000、2010、2020年,分辨率30 m×30 m	武汉大学CLCD数据(https://zenodo.org/record/5816591)	量化生境质量计算景观格局指数
DEM	栅格	SRTM DEM产品(V3.0),分辨率为30 m×30 m	美国国家航空航天局(https://www.nasa.gov/)	平均海拔因素
气象	站点	1985年至2020年的日值记录,包括气温、降雨	资源与环境科学数据中心(https://www.resdc.cn/)	年平均气温、年降雨量因素
NDVI	栅格	1990和2000年采用8 km×8 km分辨率的AVHRR GIMMS NDVI3g产品、2010和2020年采用资源与环境科学数据中心1 km×1 km分辨率植被覆盖数据	https://ecocast.arc.nasa.gov/data/pub/gimms/资源与环境科学数据中心(https://www.resdc.cn/)	NDVI因素
社会经济	栅格	1990、2000、2010、2020年地均GDP和人口密度空间分布图,分辨率1 km×1 km	资源与环境科学数据中心(https://www.resdc.cn/)	社会经济因素

数据类别	格式	数据描述	数据来源	用途
土地利用类型	栅格	时间跨度:1990、2000、2010、2020年,分辨率30 m×30 m	武汉大学CLCD数据(https://zenodo.org/record/5816591)	量化生境质量计算景观格局指数
DEM	栅格	SRTM DEM产品(V3.0),分辨率为30 m×30 m	美国国家航空航天局(https://www.nasa.gov/)	平均海拔因素
气象	站点	1985年至2020年的日值记录,包括气温、降雨	资源与环境科学数据中心(https://www.resdc.cn/)	年平均气温、年降雨量因素
NDVI	栅格	1990和2000年采用8 km×8 km分辨率的AVHRR GIMMS NDVI3g产品、2010和2020年采用资源与环境科学数据中心1 km×1 km分辨率植被覆盖数据	https://ecocast.arc.nasa.gov/data/pub/gimms/资源与环境科学数据中心(https://www.resdc.cn/)	NDVI因素
社会经济	栅格	1990、2000、2010、2020年地均GDP和人口密度空间分布图,分辨率1 km×1 km	资源与环境科学数据中心(https://www.resdc.cn/)	社会经济因素

威胁源	最大影响距离(km)	权重
耕地	4	0.4
建设用地	10	1.0
未利用地	3	0.2

威胁源	最大影响距离(km)	权重
耕地	4	0.4
建设用地	10	1.0
未利用地	3	0.2

地类	生境适宜度	耕地	建设用地	未利用地
耕地	0.4	0	1.0	0.5
林地	1.0	0.7	1.0	0.5
草地	0.8	0.4	0.7	0.8
水体	1.0	0.6	0.9	0.4
建设用地	0	0	0	0
未利用地	0	0	0.9	0