地形-经济驱动下北方典型农业区的耕地细碎化空间分布特征及驱动机制

doi:10.16258/j.cnki.1674-5906.2026.04.014

生态环境学报 ›› 2026, Vol. 35 ›› Issue (4): 642-653.DOI: 10.16258/j.cnki.1674-5906.2026.04.014

• 研究论文【环境科学】 • 上一篇下一篇

地形-经济驱动下北方典型农业区的耕地细碎化空间分布特征及驱动机制

赵爽¹(), 聂谦雨¹, 岳昂²^,^*(), 汪东川¹, 孙晓玮³, 张昊天¹, 刘昊沺¹, 叶凯¹

¹ 天津城建大学地质与测绘学院，天津 300384
² 天津市生态环境监测中心，天津 300457
³ 天津市测绘院有限公司，天津 300381

收稿日期:2025-05-29 修回日期:2025-10-08 接受日期:2025-11-20 出版日期:2026-04-18 发布日期:2026-04-14
通讯作者: *E-mail: contra050009@163.com
作者简介:赵爽（1989年生），女，讲师，研究方向为遥感图像识别与城市遥感。E-mail: zhaoshuang316@163.com
基金资助:
国家自然科学基金项目(41971310)

Spatial Distribution Characteristics and Driving Mechanisms of Cultivated Land Fragmentation in Typical Agricultural Regions of Northern China under Topographic-Economic Synergy

ZHAO Shuang¹(), NIE Qianyu¹, YUE Ang²^,^*(), WANG Dongchuan¹, SUN Xiaowei³, ZHANG Haotian¹, LIU Haotian¹, YE Kai¹

¹ Tianjin Chengjian University, Tianjin 300384, P. R. China
² Tianjin Eco-Environmental Monitoring Center, Tianjin 300457, P. R. China
³ Tianjin Institute of Surveying and Mapping Co., Ltd, Tianjin 300381, P. R. China

Received:2025-05-29 Revised:2025-10-08 Accepted:2025-11-20 Online:2026-04-18 Published:2026-04-14

摘要/Abstract

摘要：

揭示耕地细碎化的空间分布及驱动因素，对优化资源管理、维护农业生态健康具有重要意义。以北京市昌平区、天津滨海新区、黑龙江虎林市、江苏灌南县和山东寿光市等5个北方典型农业区为研究区，采用2020年Landsat8地表反射率产品，基于随机森林算法提取耕地信息，并遴选7个景观格局指标构建多维评价体系，量化耕地细碎化程度；结合景观格局指数与多尺度移动窗口法揭示空间分布异质性，并采用参数最优地理探测器，从地形、经济和人口等三方面解析驱动机制及其交互效应。结果表明，1）耕地细碎化的空间分异性显著，昌平区和滨海新区细碎化程度最高（分别为0.133和0.132），受城市扩张的影响显著；虎林市和寿光市处于中等水平（分别为0.140和0.138），受地形起伏与设施农业布局的影响；灌南县综合指数最低（为0.142），耕地格局相对稳定。2）地形因子表现出较强的解释力，构成耕地细碎化的主导驱动因素。其中，高程在昌平区、虎林市、寿光市和灌南县的q值分别为0.284、0.286、0.491和0.299，坡向在滨海新区的q值为0.238。3）次要驱动因素具有区域差异，昌平区和滨海新区主要受GDP的影响，q值分别为0.379和0.536；虎林市、灌南县和寿光市则主要受人口密度的影响，q值分别为0.391、0.477和0.779。

关键词: 农业遥感, 耕地细碎化, 景观格局, 驱动因素, 中国北方

Abstract:

Revealing the spatial distribution patterns and driving factors of cultivated land fragmentation is of great significance for optimizing resource management and maintaining the health of agro-ecological systems. Five typical agricultural regions in northern China—Changping District in Beijing, Binhai New Area in Tianjin, Hulin City in Heilongjiang, Guannan County in Jiangsu, and Shouguang City in Shandong—were selected as the studied areas. Using Landsat8 surface reflectance products from 2020, cultivated land information was extracted based on a random forest algorithm. Seven landscape pattern indices were selected to construct a multidimensional evaluation system to quantify the degree of cultivated land fragmentation. By integrating landscape pattern indices and a multi-scale moving window method, spatial heterogeneity was revealed. Additionally, the optimal parameters-based geographical detector (OPGD) was employed to analyze driving mechanisms and their interactive effects from topographic, economic, and demographic perspectives. The results show that: 1) The spatial heterogeneity of cultivated land fragmentation was significant. Changping District and Binhai New Area exhibited the highest degrees of fragmentation (0.133 and 0.132, respectively), largely due to urban expansion. Hulin City and Shouguang City presented moderate fragmentation levels (0.140 and 0.138, respectively), influenced by terrain undulation and the distribution of facility agriculture, respectively. Guannan County showed the lowest degree of fragmentation (0.142), with a relatively stable cropland pattern. 2) Topographic factors demonstrated strong explanatory power, constituting the dominant driving factors of cultivated land fragmentation. Specifically, elevation showed q-values of 0.284, 0.286, 0.491, and 0.299 in Changping District, Hulin City, Shouguang City and Guannan County, respectively. Slope aspect had a q-value of 0.238 in Binhai New Area. 3) Secondary driving factors exhibited regional differences. GDP was the main influencing factor in Changping District and Binhai New Area, with q-values of 0.379 and 0.536, respectively. In contrast, population density was the primary driver in Hulin City, Guannan County, and Shouguang City, with q-values of 0.391, 0.477, and 0.779, respectively.

Key words: agricultural remote sensing, cultivated land fragmentation, landscape pattern, influencing factors, Northern China

中图分类号:

X144

赵爽, 聂谦雨, 岳昂, 汪东川, 孙晓玮, 张昊天, 刘昊沺, 叶凯. 地形-经济驱动下北方典型农业区的耕地细碎化空间分布特征及驱动机制[J]. 生态环境学报, 2026, 35(4): 642-653.

ZHAO Shuang, NIE Qianyu, YUE Ang, WANG Dongchuan, SUN Xiaowei, ZHANG Haotian, LIU Haotian, YE Kai. Spatial Distribution Characteristics and Driving Mechanisms of Cultivated Land Fragmentation in Typical Agricultural Regions of Northern China under Topographic-Economic Synergy[J]. Ecology and Environmental Sciences, 2026, 35(4): 642-653.

图/表 15

参考文献 31

[1]	AI J W, YANG L Q, LIU Y F, et al., 2022. Dynamic landscape fragmentation and the driving forces on Haitan Island, China[J]. Land, 11(1): 136. DOI URL
[2]	DENG Z Y, CAO J S, HU Y D, 2020. Spatial and temporal evolution of landscape pattern in downtown area of Jixi City, China[J]. European Journal of Remote Sensing, 53(1): 104-113.
[3]	LI D H, DUO L H, BAO C H, et al., 2024. Spatiotemporal distribution and fragmentation driving mechanism in paddy fields and dryland of urban agglomeration in the middle reaches of the Yangtze River[J]. Land, 13(1): 58. DOI URL
[4]	LIANG J L, PAN S P, CHEN W X, et al., 2022. Cultivated land fragmentation and its influencing factors detection: A case study in Huaihe River basin, China[J]. International Journal of Environmental Research and Public Health, 19(1): 138. DOI URL
[5]	LIU J, JIN X B, XU W Y, et al., 2022. Evolution of cultivated land fragmentation and its driving mechanism in rural development: A case study of Jiangsu Province[J]. Journal of Rural Studies, 91: 58-72. DOI URL
[6]	TAN Y Z, CHEN H, LIAN K, et al., 2020. Comprehensive evaluation of cultivated land quality at county scale: A case study of Shengzhou, Zhejiang Province, China[J]. International Journal of Environmental Research and Public Health, 17(4): 1169. DOI URL
[7]	WANG Y F, ZHAO X L, ZUO L J, et al., 2020. Spatial differentiation of land use and landscape pattern changes in the Beijing-Tianjin-Hebei area[J]. Sustainability, 12(7): 3040. DOI URL
[8]	XU W Y, JIN X B, LIU J, et al., 2021. Analysis of influencing factors of cultivated land fragmentation based on hierarchical linear model: A case study of Jiangsu Province, China[J]. Land Use Policy, 101: 105119. DOI URL
[9]	ZHANG J, CHEN M Q, HUANG C, et al., 2022. Labor endowment, cultivated land fragmentation, and ecological farming adoption strategies among farmers in Jiangxi Province, China[J]. Land, 11: 679. DOI URL
[10]	ZHAO X Y, YAN W Z, WANG K G, et al., 2023. Study of the morphological characteristics of cultivated land in semiarid sandy areas[J]. Land, 12(1): 1849. DOI URL
[11]	ZHOU Y R, CHEN T Q, FENG Z, et al., 2022. Identifying the contradiction between the cultivated land fragmentation and the construction land expansion from the perspective of urban-rural differences[J]. Ecological Informatics, 71: 101826. DOI URL
[12]	ZOU H Y, YE Y C, KUANG L H, 2024. Study on the relationship between cultivated land quality and landscape pattern index-taking Yingtan City of Jiangxi Province as an example[J]. Journal of Agriculture, 14(1): 44-52.
[13]	常玉旸, 张天柱, 张凤荣, 等, 2021. 赣东山地丘陵区耕地细碎化时空变异与驱动因子探析——以江西省万年县为例[J]. 水土保持研究, 28(3): 264-271, 280.
	CHANG Y Y, ZHANG T Z, ZHANG F R, et al., 2021. Analysis on the spatiotemporal variability and driving factors of cultivated land fragmentation in the hilly region of eastern Gansu: A case of Wannian County of Jiangxi Province[J]. Research of Soil and Water Conservation, 28(3): 264-271, 280.
[14]	曹晨晨, 苏芳莉, 李海福, 等, 2022. 辽河口盐地碱蓬湿地景观破碎化及驱动机制[J]. 生态学报, 42(2): 581-589.
	CAO C C, SU F L, LI H F, et al., 2022. Landscape fragmentation and driving mechanism of Suaeda Salsa Wetland in Liaohe Estuary[J]. Acta Ecologica Sinica, 42(2): 581-589.
[15]	陈万旭, 段斌俏, 曾杰, 2024. 1980-2020年中国耕地景观细碎化空间分异性与影响因素分析[J]. 农业工程学报, 40(21): 221-231.
	CHEN W X, DUAN B Q, ZENG J, 2024. Spatial differentiation and influencing factors of cultivated landscape fragmentation in China from 1980 to 2020[J]. Transactions of Chinese Society of Agricultural Engineering, 40(21): 221-231.
[16]	高文晶, 程诺, 张露月, 等, 2024. 基于参数最优地理探测器的福建省植被NPP时空分异及驱动力探究[J]. 西北林学院学报, 39(4): 120-130.
	GAO W J, CHENG N, ZHANG L Y, et al., 2024. Spatio-temporal differentiation and driving force of vegetation NPP in Fujian Province based on optimal parameter geographical detector[J]. Journal of Northwest Forestry University, 39(4): 120-130.
[17]	郭硕, 杨伟州, 魏明欢, 等, 2017. 基于地理加权回归的青龙满族自治县耕地细碎化及影响因子分析[J]. 水土保持研究, 24(3): 264-269.
	GUO S, YANG W Z, WEI M H, et al., 2017. Cultivated land fragmentation and impact factors of Qinglong Manchu Autonomous County based on geographically weighted regression[J]. Research of Soil and Water Conservation, 24(3): 264-269.
[18]	郭少壮, 白红英, 孟清, 等, 2020. 秦岭地区林地与草地景观格局变化及其驱动因素[J]. 生态学报, 40(1): 130-140.
	GUO S Z, BAI H Y, MENG Q, et al., 2020. Landscape pattern changes of woodland and grassland and its driving forces in Qinling Mountains[J]. Acta Ecologica Sinica, 40(1): 130-140.
[19]	雷越, 张学斌, 罗君, 等, 2023. 基于不同样带的干旱区城市景观格局时空演变特征——以张掖市为例[J]. 生态学报, 43(5): 2034-2048.
	LEI Y, ZHANG X B, LUO J, et al., 2023. Spatio-temporal evolution of urban landscape pattern in arid areas based on different zones: A case study of Zhangye City[J]. Acta Ecologica Sinica, 43(5): 2034-2048.
[20]	梁加乐, 陈万旭, 李江风, 等, 2022. 黄河流域景观破碎化时空特征及其成因探测[J]. 生态学报, 42(5): 1993-2009.
	LIANG J L, CHEN W X, LI J F, et al., 2022. Spatiotemporal patterns of landscape fragmentation and causes in the Yellow River basin[J]. Acta Ecologica Sinica, 42(5): 1993-2009.
[21]	刘凯, 杨琰瑛, 师荣光, 等, 2023. 1990-2020年于桥水库流域景观格局时空演变及驱动力[J]. 农业资源与环境学报, 40(1): 154-164.
	LIU K, YANG Y Y, SHI R G, et al., 2023. Spatiotemporal changes and driving forces of landscape patterns in the Yuqiao Reservoir Watershed during 1990-2020[J]. Journal of Agriculture Resources and Environment, 40(1): 154-164.
[22]	李晓健, 马林兵. 2024. 基于参数最优地理探测器的粤东北耕地非农化特征与影响因素研究[J]. 水土保持通报, 44(5): 100-112.
	LIU X J, MA B L, 2024. Characteristics and influencing factors of farmland conversion to non-agricultural uses in northeast Guangdong Province based on optimal parameter geographic detector[J]. Bulletin of Soil and Water Conservation, 44(5): 100-112.
[23]	罗芳, 潘安, 陈忠升, 等, 2021. 四川省宜宾市1980-2018年耕地时空格局变化及其驱动因素[J]. 水土保持通报, 41(6): 336-344.
	LUO F, PAN A, CHEN Z S, et al., 2021. Spatiotemporal pattern change of cultivated land and its driving forces in Yibin City, Sichuan Province during 1980-2018[J]. Bulletin of Soil and Water Conservation, 41(6): 336-344.
[24]	马晶, 李鋆垚, 张亚球, 等, 2022. 基于移动窗口法的城市遥感生态质量评价研究[J]. 红外, 43(8): 44-52.
	MA J, LI J Y, ZHANG Y Q, et al., 2022. Study on ecological quality evaluation of urban remote sensing based on mobile window method[J]. Infrared (Monthly), 43(8): 44-52.
[25]	施智勇, 谢慧黎, 王圳峰, 等, 2023. 基于参数最优地理探测器的福州市生境质量时空格局与驱动力分析[J]. 环境工程技术学报, 13(5): 1921-1930.
	SHI Z Y, XIE H L, WANG Z F, et al., 2023. Analysis of spatiotemporal heterogeneity of habitat quality and their driving factors based on optimal parameters based geographic detector for Fuzhou City, China[J]. Journal of Environmental Engineering Technology, 13(5): 1921-1930.
[26]	王劲峰, 徐成东, 2017. 地理探测器: 原理与展望[J]. 地理学报, 72(1): 116-134. DOI
	WANG J F, XU C D, 2017. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 72(1): 116-134. DOI
[27]	文高辉, 杨钢桥, 2019. 耕地细碎化对农地整治中农户权属调整意愿的影响研究[J]. 长江流域资源与环境, 28(3): 623-631.
	WEN G H, YANG G Q, 2019. Impact of cultivated land fragmentation on farmers’ willingness to land ownership adjustment in rural land consolidation[J]. Resources and Environment in the Yangtze Basin, 28(3): 623-631.
[28]	熊畅, 吴卓, 曾梓瑶, 等, 2023. 基于 “空间形态-破碎化-聚集度” 的粤港澳大湾区森林景观格局时空演变[J]. 生态学报, 43(8): 3032-3044.
	XIONG C, WU Z, ZENG Z Y, et al., 2023. Spatiotemporal evolution of forest landscape pattern in Guangdong-Hong Kong-Macao Greater Bay Area based on “Spatial Morphology-Fragmentation-Aggregation”[J]. Acta Ecologica Sinica, 43(8): 3032-3044.
[29]	臧亮, 梁红颖, 梁文涛, 等, 2018. 基于景观格局的卢龙县耕地细碎化评价及影响因素研究[J]. 水土保持研究, 25(6): 2651-269, 276.
	ZANG L, LIANG H Y, LIANG W T, et al., 2018. Cultivated land fragmentation and affecting factors of Lulong County based on landscape pattern[J]. Research of Soil and Water Conservation, 25(6): 265-269, 276.
[30]	张星山, 杨恒, 马雯秋, 等, 2024. 基于景观格局的丘陵山区耕地生态风险评价——以重庆市潼南区为例[J]. 智慧农业(中英文), 6(3): 58-68.
	ZHANG X S, YANG H, MA W Q, et al., 2024. Ecological risk assessment of cultivated land based on landscape pattern: A case study of Tongnan District, Chongqing[J]. Smart Agriculture, 6(3): 58-68. DOI
[31]	周润芳, 孙建国, 张卓, 2020. 甘肃省榆中县地形对耕地分布影响[J]. 遥感信息, 35(4): 148-154.
	ZHOU R F, SUN J G, ZHANG Z, 2020. Effect of topography on cultivated land distribution in Yuzhong County of Gansu Province[J]. Remote Sensing Information, 35(4): 148-154.

地区	生产总值(2020年)/(10¹⁰元)	人口/(10⁴人)	总面积/(10³ km²)	耕地面积/(10³ hm²)	主要粮食作物	粮食产量/(10⁴ t)
昌平区	13.4	226.7	1.3	4.4	大豆、小麦、玉米	0.9
滨海新区	69.8	206.7	2.3	11.5	小麦、玉米、水稻	13.6
虎林市	1.7	26.8	9.3	466. 7	大豆、小麦、水稻	293.5
寿光市	7.9	111.0	2.1	82.2	小麦、玉米、棉花	56.1
灌南县	3.8	102.7	1.0	71.8	小麦、水稻	87.9

地区	生产总值(2020年)/(10¹⁰元)	人口/(10⁴人)	总面积/(10³ km²)	耕地面积/(10³ hm²)	主要粮食作物	粮食产量/(10⁴ t)
昌平区	13.4	226.7	1.3	4.4	大豆、小麦、玉米	0.9
滨海新区	69.8	206.7	2.3	11.5	小麦、玉米、水稻	13.6
虎林市	1.7	26.8	9.3	466. 7	大豆、小麦、水稻	293.5
寿光市	7.9	111.0	2.1	82.2	小麦、玉米、棉花	56.1
灌南县	3.8	102.7	1.0	71.8	小麦、水稻	87.9

数据名称	数据来源	日期	作用
Landsat8 Collection2表面反射率数据	地理空间数据云（http://www.gscloud.cn/）	2020年7月－2020年9月	识别研究区耕地细碎化的空间特征
ASTER GDEMV3（30 m）数据集	地理空间数据云（http://www.gscloud.cn/）	2020年	探讨地形因素对耕地细碎化的影响
2020年统计年鉴数据	各研究区人民政府、统计局	2020年	探讨社会经济和人口因素对耕地细碎化的影响
NPP/VIIRS夜间灯光数据	美国国家气象信息中心（https://www.ngdc.noaa.gov/）	2020年	探讨社会经济对耕地细碎化的影响

数据名称	数据来源	日期	作用
Landsat8 Collection2表面反射率数据	地理空间数据云（http://www.gscloud.cn/）	2020年7月－2020年9月	识别研究区耕地细碎化的空间特征
ASTER GDEMV3（30 m）数据集	地理空间数据云（http://www.gscloud.cn/）	2020年	探讨地形因素对耕地细碎化的影响
2020年统计年鉴数据	各研究区人民政府、统计局	2020年	探讨社会经济和人口因素对耕地细碎化的影响
NPP/VIIRS夜间灯光数据	美国国家气象信息中心（https://www.ngdc.noaa.gov/）	2020年	探讨社会经济对耕地细碎化的影响

判据	交互作用
q(X₁∩X₂)<Min[q(X₁), q(X₂)]	非线性减弱
Min[q(X₁), q(X₂)]<q(X₁∩X₂)<Max[q(X₁), q(X₂)]	单因子非线性减弱
q(X₁∩X₂)>Max[q(X₁), q(X₂)]	双因子增强
q(X₁∩X₂)=q(X₁)+q(X₂)	独立
q(X₁∩X₂)>q(X₁)+q(X₂)	非线性增强

地形-经济驱动下北方典型农业区的耕地细碎化空间分布特征及驱动机制

Spatial Distribution Characteristics and Driving Mechanisms of Cultivated Land Fragmentation in Typical Agricultural Regions of Northern China under Topographic-Economic Synergy

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 31

相关文章 15

编辑推荐

Metrics

本文评价

目标层	准则层	指标层	权重系数
目标层	准则层	指标层	昌平区		滨海新区		虎林市		寿光市		灌南县
不同地区耕地细碎化评价	分布指标	香农多样性指数	0.141	0.405	0.138	0.396	0.154	0.434	0.136	0.425	0.141	0.422
		蔓延度指数	0.134		0.129		0.145		0.151		0.142
		聚集度	0.130		0.129		0.135		0.138		0.139
	面积指标	最大斑块指数	0.154	0.286	0.152	0.290	0.137	0.274	0.137	0.282	0.144	0.285
	面积指标	斑块面积百分比	0.132	0.286	0.138	0.290	0.137	0.274	0.145	0.282	0.141	0.285
	形状指标	分离度指数	0.159	0.309	0.157	0.314	0.141	0.292	0.158	0.293	0.153	0.293
	形状指标	面积加权的平均斑块分形指标	0.150	0.309	0.157	0.314	0.151	0.292	0.135	0.293	0.140	0.293

地区	移动窗口尺寸
地区	100 m	200 m	500 m	1 km
昌平区	0.156	0.074	0.078	0.097
滨海新区	0.158	0.129	0.113	0.135
虎林市	0.193	0.120	0.116	0.117
寿光市	0.084	0.053	0.101	0.107
灌南县	0.089	0.046	0.050	0.062

指标类型	昌平区	滨海新区	虎林市	寿光市	灌南县
分布指数	0.324	0.333	0.328	0.324	0.333
面积指数	0.500	0.541	0.547	0.519	0.504
形状指数	0.543	0.548	0.501	0.544	0.542
综合指数	0.133	0.132	0.140	0.138	0.142

类型	驱动因子	昌平区		滨海新区		虎林市		寿光市		灌南县
类型	驱动因子	分类方法	级数	分类方法	级数	分类方法	级数	分类方法	级数	分类方法	级数
地形	高程	自然断点	7	自然断点	6	自然断点	7	标准差	7	等间隔	6
	坡度	标准差	7	自然断点	6	标准差	7	标准差	7	标准差	7
	坡向	自然断点	7	自然断点	7	几何间隔	7	分位数	6	自然断点	6
人口	人口	自然断点	7	自然断点	6	自然断点	6	分位数	7	分位数	7
人口	人口密度	自然断点	7	自然断点	7	自然断点	7	分位数	6	标准差	6
经济	夜间灯光	几何间隔	6	自然断点	6	自然断点	6	标准差	7	几何间隔	6
经济	GDP	自然断点	7	自然断点	5	自然断点	6	分位数	6	分位数	5

地区	影响因子
地区	X₁	X₂	X₃	X₄	X₅	X₆	X₇
昌平区	0.284	0.119	0.144	0.153	0.152	0.225	0.212
滨海新区	0.215	0.207	0.238	0.125	0.084	0.086	0.213
虎林市	0.286	0.065	0.108	0.046	0.237	0.090	0.195
寿光市	0.491	0.221	0.186	0.228	0.637	0.129	0.239
灌南县	0.299	0.119	0.112	0.072	0.249	0.093	0.265

[1]	王悦, 于福东, 张月, 相恒星, 焉恒琦, 毛德华. 基于PLUS-InVEST模型的东北黑土区景观格局与碳储量变化多情景模拟[J]. 生态环境学报, 2026, 35(2): 178-189.
[2]	杨昊彧, 黄康江, 陈晓东, 赵劼, 熊军, 田康. 贵州省生态空间效率演变及景观格局的影响归因[J]. 生态环境学报, 2025, 34(6): 902-913.
[3]	刘鸿林, 赵方凯, 杨磊, 沈琳钧, 杨恺丰, 李敏, 陈利顶. 城市公园土壤重金属污染及影响因素研究——以宁波市为例[J]. 生态环境学报, 2025, 34(5): 773-783.
[4]	李曼, 吴东丽, 何昊, 余慧婕, 赵琳, 刘聪, 胡正华, 李琪. 1990－2020年黄河流域碳储量时空演变及驱动因素研究[J]. 生态环境学报, 2025, 34(3): 333-344.
[5]	郭昭, 师芸, 刘铁铭, 张雨欣, 闫永智. 2001－2020年秦岭北麓NPP时空格局及驱动因素分析[J]. 生态环境学报, 2025, 34(3): 401-410.
[6]	张任菲, 肖萌, 刘志成. 京津冀地区景观破碎化的时空异质性及驱动因素研究[J]. 生态环境学报, 2025, 34(3): 461-473.
[7]	赵忠宝, 李婧, 刘小丹, 柏祥, 刘昊野, 徐晓娜, 耿世刚, 鲁少波. 河北省森林生态产品价值评估及其空间分布驱动因素研究[J]. 生态环境学报, 2025, 34(2): 321-332.
[8]	李清云, 肖亦敏, 林卫, 雷金睿, 王韫镭, 孔玫蔓, 杨云芳. 基于无人机多光谱数据的海口长钦湖水质参数遥感反演及其与景观格局的相互关系[J]. 生态环境学报, 2025, 34(12): 1930-1943.
[9]	张成驰, 姚慧芳, 马秀枝. 新疆天山地区净生态系统生产力时空动态及归因分析[J]. 生态环境学报, 2025, 34(11): 1690-1704.
[10]	王宗阳, 曾雪兰, 祝振昌, 郭芬, 罗丽娟, 张武英, 杜青平, 张远. 湛江市红树林植被及土壤碳密度空间分布及其驱动机制分析[J]. 生态环境学报, 2025, 34(11): 1705-1714.
[11]	刘甜甜, 柳杨, 王玉玺, 秦臻. 河南省生态环境质量的时空演变特征及驱动力分析[J]. 生态环境学报, 2025, 34(11): 1778-1787.
[12]	张舒涵, 姜海玲, 于海淋, 冯馨慧. 沈阳现代化都市圈景观生态风险时空演变及驱动力分析[J]. 生态环境学报, 2024, 33(9): 1471-1481.
[13]	王美娜, 范顺祥, 舒翰俊, 张建杰, 褚力其, 法玉琦. 河南省土壤侵蚀时空分异特征及土壤保持经济价值[J]. 生态环境学报, 2024, 33(5): 730-744.
[14]	程鹏, 孙明东, 宋晓伟. 中国灰水足迹时空动态演进及驱动因素研究[J]. 生态环境学报, 2024, 33(5): 745-756.
[15]	古佳玮, 郭彩霞, 朱铧楠, 谭玉坤, 陈红跃. 广东丰溪省级自然保护区景观格局变化及其驱动力研究[J]. 生态环境学报, 2024, 33(2): 222-230.