EN中文

热带地理 >

2025 , Vol. 45 >Issue 8: 1358 - 1372

DOI: https://doi.org/10.13284/j.cnki.rddl.20250069

交通地理

道路网对城市群土地利用景观破碎化的影响与空间分异

  • 卢进发 ,
  • 李涛 ,
  • 邱孟龙
展开
  • 陕西师范大学 地理科学与旅游学院，西安 710119
李涛（1985—），男，山西长治人，博士，教授，博士生导师，主要研究方向为交通运输地理与区域发展，（E-mail）。

卢进发：数据收集、处理、分析与模型构建，论文初稿撰写；

李 涛：整体构架与理论梳理，数据收集、分析，论文撰写与修改；

邱孟龙：论文讨论与修改。

卢进发（2001—），男，广东深圳人，硕士研究生，研究方向为交通运输生态环境效应，（E-mail） ；

收稿日期: 2025-02-07

  修回日期: 2025-05-28

  网络出版日期: 2025-08-31

基金资助

国家自然科学基金项目“城际出行波动的时空分异及溢出效应研究”(42371189)

收起

Spatially Differentiated Effects of Road Networks on Landscape Fragmentation in Urban Agglomerations

  • Jinfa Lu ,
  • Tao Li ,
  • Menglong Qiu
Expand
  • School of Geography and Tourism, Shaanxi Normal University, Xi'an 710119, China

Received date: 2025-02-07

  Revised date: 2025-05-28

  Online published: 2025-08-31

Fold

摘要

科学认知规模化道路建设对城市群地区景观破碎化的影响是协调交通建设与沿线生态环境，构建可持续生态交通基础设施体系的重要科学基础。文章选取高速交通网络快速扩张且位于黄河流域中游地区的关中平原城市群为研究区域，基于不同等级公路网和土地利用数据，引入兼顾变量非线性和空间非平稳性的地理神经网络加权回归模型，系统探讨了道路建设所引起的城市群土地利用景观破碎化的地理格局，并分析了不同道路对景观破碎化的影响及其空间差异。结果表明：1）相较于传统地理加权回归（GWR）和普通最小二乘回归（OLR）模型，文章所使用的GNNWR模型能更准确地揭示道路对景观破碎化的影响及其空间非平稳性。2）研究区景观破碎化呈现“核心―边缘”分异格局，景观破碎化整体处于较低水平，以低值和中低值区为主，平原城镇区低值集聚与山地生态区高值破碎形成显著空间对比。3）道路等级与破碎化强度呈正向关联，但高速公路因半封闭式管理影响程度有限；低等级道路对斑块维度和空间分布维度的景观破碎化影响最大，高等级道路则显著地影响着各个维度的景观破碎化。4）自然生态本底与人类活动强度的空间异质性导致道路廊道在生态屏障区、农业基质区和城镇扩展区分别形成差异化交通廊道与景观格局互动关系的“因时因地而异”的空间逻辑。

关键词： 道路网; 景观破碎化; 空间分异; 地理神经网络加权回归; 关中平原城市群

本文引用格式

卢进发 , 李涛 , 邱孟龙 . 道路网对城市群土地利用景观破碎化的影响与空间分异[J]. 热带地理, 2025 , 45(8) : 1358 -1372 . DOI: 10.13284/j.cnki.rddl.20250069

Abstract

Understanding the impact of large-scale road construction on landscape fragmentation in urban agglomerations provides a crucial scientific foundation for coordinating transportation development with the ecological environment and establishing sustainable eco-transportation infrastructure. This study focuses on the Guanzhong Plain Urban Agglomeration (GPUA), a rapidly developing urban cluster in the middle reaches of the Yellow River Basin that has experienced accelerated expansion of high-speed transportation networks. Building upon an analysis of landscape fragmentation patterns, we measured the differential impacts and spatial variations of various road types on fragmentation, offering new insights into the spatial complexity of road network disturbances in regional landscape patterns. Using 2020 highway network and land-use data from the GPUA, we implemented a Geographically Weighted Neural Network Regression (GNNWR) model to systematically investigate geographic patterns of road-induced landscape fragmentation while accounting for non-linear relationships and spatial non-stationarity. This approach further revealed how distinct road types contribute to fragmentation with varying spatial effects. The results demonstrated that, compared with traditional Geographically Weighted Regression and Ordinary Least Squares Regression models, the GNNWR model more accurately captured the influence of roads on landscape fragmentation and spatial heterogeneity. Landscape fragmentation across the study area exhibited a distinct core–periphery differentiation pattern, generally remaining at low levels dominated by low- and medium-low value zones, with striking spatial contrasts emerging between clustered low-fragmentation areas in urbanized plains and highly fragmented mountainous ecological zones. Road hierarchy showed a positive correlation with fragmentation intensity, though expressways exhibited limited impact due to semi-enclosed management systems. Low-grade roads had the most substantial influence on fragmentation in terms of patch dimension and spatial distribution dimension, while high-grade roads significantly affected fragmentation across all dimensions. Notably, the spatial heterogeneity in natural ecological baselines and intensity of human activity drove context-specific interactions between transportation corridors and landscape patterns. These dynamics established distinct spatiotemporal logics within ecological barrier zones, agricultural matrix areas, and urban expansion zones, where road networks interacted with local landscapes through geographically differentiated mechanisms.

Key words： transportation roads; landscape fragmentation; spatial non-stationarity; Geographically Weighted Neural Network Regression; Guanzhong Plain urban agglomeration

全球范围内迅速扩张的交通基础设施在促进经济发展和增加人类福祉的同时，亦对自然生态环境产生了不可忽视的负面扰动（Ai et al., 2024）。特别是作为景观构成要素的线性交通道路，其分布范围和发展速度远超其他类型设施，所引起的景观破碎化直接对生态格局-过程-功能产生了深远影响（宗跃光 等，2003；Lisiak-Zielińska et al., 2022；戴特奇 等，2023）。2009—2018年，随着中国道路网的迅速扩张，不受道路直接影响的无路区域（road-less area）年均减少191 377 km2，景观破碎化程度亦因此显著增加，斑块数量增加了约2.3倍（Chen et al., 2024）。根据国家发改委和交通运输部最新发布的《国家公路网规划（2022—2035年）》（中华人民共和国国家发展与改革委员会 等，2022），到2035年，由国家高速公路和普通国道组成的国家公路网总规模将达到46.1万km，建设改造需求约16.8万km，且主要位于城市群地区，这对区域生态协调提出了更高要求。因此，在人地矛盾持续加剧的背景下，亟需科学认知规模化道路建设对城市群地区景观破碎化的影响。这既是协调交通发展建设与生态环境保护修复的关键前提，更为支撑城市群高质量发展与美丽中国建设提供科学基础。
道路建设与运营作为人类活动的重要内容，从20世纪90年代道路生态学诞生以来，学者便持续关注道路形态与交通流量对周边生态环境的影响（Forman &Alexander, 1998；杨思琪 等，2022；Yang et al., 2023），主要包括破碎化边缘效应、生境丧失、生态阻隔以及道路致死等方面（Coffin, 2007; Huijser et al., 2016; Eroglu et al., 2018; Shi et al., 2018）。其中，道路修建占用所引起的土地利用变化直接后是果景观破碎化与生境丧失，本质上是将连续的景观要素分割成不连续的生态斑块的过程。景观破碎化不仅直接改变生态系统的空间结构，还会影响物种的迁徙、基因流动和生态功能，从而威胁生物多样性和增加生态风险（Che et al., 2023）。相应的，交通道路对景观破碎化的影响成为学界关注的焦点，相关研究可分为2类：1）以道路影响域理论为基础，在生成多级道路缓冲区的基础上，在全球、国家和交通廊道层面定量评估道路影响域内的景观破碎化程度与空间分布（Ibisch et al., 2016；黄梦娜 等，2019；李涛 等，2025）。2）综合考虑自然地理本底、社会经济因子估计道路网络对景观破碎化程度的影响程度（刘栩成 等，2020；Miao et al., 2021）。
总体上，现有的交通道路对景观破碎化影响研究仍以简单定量描述为主（Zhu et al., 2006；孙国庆 等，2017；赵芳 等，2017；李倩雯 等，2023）。研究区域多为单一交通廊道沿线与典型生态功能区，系统化探讨多因素交互作用下的道路对景观破碎化的影响研究相对较少。特别是聚焦于高速交通网络发达的城市群地区的研究较为缺乏，对该类地区不同道路叠加作用下的复杂非线性效应认识有限。同时，道路技术经济和服务特征、地理区位差异使不同类型的交通道路的破碎化效应差异显著，呈现“因时因地而异”的空间非平稳性。多数研究选取地理加权回归模型或者空间误差/杜宾模型，以揭示道路影响的空间非平稳性（刘世梁 等，2014；Lin et al., 2019）。然而，由于空间计量模型仍基于线性假设进行建模，其难以兼顾捕捉道路网络与景观破碎化之间潜在的非线性关系。近年来，Du等（2020）将空间加权和神经网络模型结合，提出了地理神经网络加权回归（Geographically Neural Network Weighted Regression, GNNWR）模型。该模型有效地揭示地理变量之间的空间非平稳性和复杂非线性关系，已在环境科学、城市地理等领域得到很好应用（Liu et al., 2023；吴森森 等，2024）。
综上，本文选取高速交通网络快速扩张且位于黄河流域中游地区的成长型城市群——关中平原城市群为研究区域，在刻画景观破碎化地理格局基础上，通过构建GNNWR模型精细化测度不同类型道路对景观破碎化的影响效应及其空间差异，以期为理解城市群地区道路网对景观格局干扰的空间复杂性提供新视角。

1 研究区域、数据与方法

鉴于不同等级道路的影响范围存在显著差异，本文依据道路等级构建相应缓冲区，并将其作为关中平原城市群的道路影响域。首先，结合规模、形态与空间分布等维度的景观格局指数，刻画研究区景观破碎化地理格局。在此基础上，应用GNNWR模型，解析不同等级道路对景观破碎化的非线性影响与空间分异。本研究框架如图1所示。
图1 研究框架

Fig.1 Study framework

1.1　研究区域

本文以黄河流域生态文明与高质量发展战略核心地带内的关中平原城市群作为研究区域（图2）。依据《关中平原城市群发展规划》（中华人民共和国国家发展与改革委员会，2018），关中平原城市群共涉及陕西、甘肃和山西3省11个地级市，面积为10.7万km2。该城市群位于中国西北内陆中心，南接秦岭，北抵黄土高原，自西向东包括陇东黄土高原丘陵沟壑生态区、秦岭生物多样性及水源涵养区、中条山生物多样性及水源涵养区等多个重要生态功能区，对于黄河流域生态文明与高质量发展战略实施意义重大。根据开放街区数据统计，关中平原城市群内部高速交通网络化快速推进，2018—2022年，区域内公路网里程增长至16.7万km，5年间增长了8.8%，占全国总里程的3.1%，公路密度达到15.6 km/100 km2，高速公路密度为0.97 km/100 km2。随着关中平原城市群经济社会的快速发展，人类活动强度逐渐增大，加之该地区特殊的地理区位与复杂的地形地貌下天然的生态环境脆弱性，区域内部的“人-地”矛盾愈发突出。鉴于关中平原城市群在黄河流域“生态-发展”协同中的核心地位，厘清该地区道路网络对景观破碎化的影响作用具有典型性和紧迫性。
图 2 研究区域

注：该图基于自然资源部标准地图服务网站下载的审图号为GS（2020）4619号标准地图制作，底图边界无修改。

Fig.2 The study area

1.2　数据来源

为确保分析合理性，本文参考相关研究（李双成 等，2004；刘世梁 等，2008）的影响域范围，生成本研究区域的道路潜在影响域，并以此作为道路对景观破碎化影响的分析区域（李双成 等，2004；刘世梁 等，2008）。各等级道路的影响域范围如下：高速公路：5 000 m、一级公路：4 500 m、二级公路：3 000 m、三级公路：1 000 m、其他道路：600 m。基于已有研究（Che et al., 2023），结合研究区域实际范围，将生成的道路影响域划分为5 km×5 km的格网作为分析单元，共3 886个格网（图2-b）。数据主要包括数字高程模型（DEM）、土地利用、道路网和社会经济数据，具体如表1所示。
表 1 数据来源

Table 1 Data sources

数据类型 内容 格式 年份 来源
道路数据

高速公路、一级公路、二级公路、

三级公路，其他道路等

 Shapefile（.shp） 2020 开放街区地图（https：//www.openstreetmap.org/）

土地利用

数据

30 m分辨率，林地、耕地、

建设用地、草地和水域

 Raster（.tif） 2020 中国科学院资源环境科学数据中心（http：//www.resdc.cn/）
DEM 30 m分辨率栅格 Raster（.tif） 2020 地理空间数据云（http：//www.gscloud.cn/）
人口 1 km分辨率栅格 Raster（.tif） 2020 LandScan平台（https：//landscan.ornl.gov/）
GDP 1 km分辨率栅格 Raster（.tif） 2020 中国科学院资源环境科学数据中心（http：//www.resdc.cn/）

1.3　研究方法

1.3.1　景观破碎化综合指数

为全面反映景观破碎化特征，本文围绕斑块规模、形状和空间分布3个维度，计算景观破碎化综合指数。其中，斑块规模维度包括斑块数量和最大斑块指数，侧重于揭示区域内斑块的数目及其相对规模；形状维度包括最大形状指数和景观形状指数，从斑块的几何规律性衡量景观破碎化的程度；空间分布维度从斑块的空间分布特征切入，包括斑块密度和聚合指数。在对各维度指标进行归一化处理后，赋予各指标相应的权重（Xu et al., 2023），由此得到景观破碎化综合指数，公式为：
L F I = ∑ i = 1 N W i × D i
式中： L F I代表景观破碎化综合指数； N代表维度总数； W i代表维度i所对应的权重； D i代表维度i对应的景观破碎化指数。各维度景观破碎化指数权重及含义如表2所示。
表 2 景观破碎化综合指数组成

Table 2 Composition of landscape fragmentation index

维度 指数 描述 方向

斑块规模

（0.25）

 斑块数量（0.667） 斑块数量 +
最大斑块指数（0.333）

最大面积斑块占区域

面积的比例

 -

斑块形状

（0.25）

 景观形状指数（0.333） 斑块的形状复杂程度 +

面积加权形状

指数（0.667）

 各个斑块形状的复杂性，以面积为权重进行平均 +

空间分布

（0.5）

斑块密度

（0.167）

 每个区域单元内的斑块数量 +
聚集度指数（0.833） 区域内某一景观的聚集程度 -

注：括号数据为指标权重。

1.3.2　GNNWR模型

GNNWR融合了普通线性回归（Ordinary Linear Regression， OLR）的简洁性和神经网络的非线性建模能力，由此可估计空间数据中的非平稳性。公式（吴森森 等，2024）为：
y i = w 0 u i , v i × α 0 + ∑ n = 1 p w n u i , v i × α n x i n + σ i
式中： u i , v i表示二维平面中点i的位置坐标； α 0和 α n是OLR的回归系数； w 0 u i , v i代表 α 0的非平稳权重； w k u i , v i代表 α k的非平稳权重。通过定义 α 0 u i , v i = w 0 u i , v i × α 0和 α n u i , v i = w n u i , v i × α n，得到GNNWR的空间回归系数 α 0 u i , v i和 α n u i , v i。
GNNWR使用空间非平稳矩阵 W u i , v i表示待估计点i处的空间权重，其形式为：
W u i , v i = w 0 u i , v i 0 ⋯ 0 0 w 1 u i , v i ⋯ 0 ⋮ ⋮ ⋱ ⋮ 0 0 ⋯ w P u i , v i
在空间权重的计算中，GNNWR以待估计点i到m个样本点的距离为输入，构建以下形式的空间加权神经网络（Spatially Weighted Neural Network, SWNN）：
W u i , v i = S W N N d i 1 , d i 2 , d i 3 , ⋯ , d i m T
式中： d i 1 , d i 2 , d i 3 , ⋯ , d i n表示待估计点i到m个样本点之间的空间距离向量。通过SWNN可得到点i处的权重矩阵 W u i , v i，进而求解出 α 0 u i , v i、 α n u i , v i， y i在各样本点处的估计值。在模型精度评价指标方面，选取拟合优度R 2、均方根误差（RMSE）等指标进行评估，GNNWR的建模过程如图3所示。
图3 GNNWR模型的建模过程

Fig.3 The modeling process of the GNNWR model

1.3.3　空间自相关分析

通过全局自相关统计量Moran's I探究景观破碎化的空间自相关性，以评估景观破碎化在空间分布上的相似性或差异性（许尔琪，2017）。Moran's I的公式为：
I = n ∑ k = 1 m n ∑ l = 1 m w k l x k - x ¯ - x l - x ¯ ∑ k = 1 m ∑ l = 1 m w k l ∑ k = 1 m x k - x ¯ × 100 %
式中：n代表空间单元的总数； x k和 x l分别是第k和l空间单元的观测值； x ¯为所有观测值的平均数； w k l表示空间单元k和l之间的邻接关系，若相邻则为1，不相邻则为0。Moran's I的值域介于-1~1，越接近1或-1，表明观测值在空间上的相关性越强；若接近0，则表明空间上无明显相关性。

2 指标体系构建

选取自然地理、社会经济、道路网络3个维度共10个解释变量（表3）。自然地理因素包括地形起伏度（Relief）和海拔（DEM），其中Relief通过ArcGIS焦点统计工具，基于DEM数据采用9×9像元窗口计算生成；社会经济因素包括地区生产总值（GDP）和人口数（Pop）2个因子；考虑到不同等级道路对景观格局影响的尺度差异，将道路体系划分为3类：高速公路、由一级/二级公路构成的高等级道路、其他低等级道路。道路网络因素包括：格网单元到最近高等级道路的平均距离（DNR_H）、到最近低等级道路的平均距离（DNR_L）、到最近高速公路的平均距离（DNR_E），以及对应3类道路的密度指标（RD_H、RD_L、RD_E）。为精确表征5 km×5 km格网单元与不同等级道路的空间关系，在每个格网内随机生成9个样本点，计算各点到对应等级道路的最近距离并取均值作为格网距离指标。在道路密度测量中，借鉴既有研究（Cai et al., 2013）对核密度估计方法的适用性论证，采用2倍格网边长（10 km）作为带宽参数，该方法较传统网格统计法能更有效地揭示道路网络的空间集聚特征。多重共线性检验结果显示，所有变量的方差膨胀因子（VIF）均小于10，表明变量间不存在显著共线性问题，所选10个影响因子满足回归分析的适用性要求。
表3 解释变量基本统计

Table 3 Basic statistics of explanatory variables

影响因素 变量 单位 描述 最小值 均值 最大值 标准差 VIF值
自然地理 起伏度（Relief） m 格网均值 1 168 672 133 5.82
海拔（DEM） m 格网均值 325 1 065 3 186 514 8.38
社会经济 地区生产总值（GDP） 万元 格网总值 0 828 154 222 4 701 3.98
人口（Pop） 人 格网总值 0 10 214 973 637 30 008 4.73
道路网络 到高等级道路距离（DNR_H） m 格网到最近高等级道路的平均最短距离 0 2 448 19 002 2 321 3.11
到低等级道路距离（DNR_L） m 格网到最近低等级道路的平均最短距离 0 1 756 18 497 1 684 2.58
到高速公路距离（DNR_E） m 格网到最近高速公路的平均最短距离 240 10 598 67 651 9 900 3.38
高等级道路密度（RD_H） km/km² 格网内高等级道路核密度 0 0.248 3.687 0.297 7.16
低等级道路密度（RD_L） km/km² 格网内低等级道路核密度 0 0.389 6.503 0.543 5.02
高速公路密度（RD_E） km/km² 格网内高速公路核密度 0 0.087 0.980 0.128 2.69

3 结果分析

3.1　景观破碎化空间格局

根据等间隔法将景观破碎化综合指数和分维度指数分为4类：低值区（0~0.25）、中低值区（＞0.25~0.5）、中高值区（＞0.5~0.75）、高值区（＞0.75~1）（图4）。关中平原城市群景观破碎化整体处于较低水平，地理格局呈现与地形格局基本一致的中心平原低而外围山地高的分布态势。具体而言，破碎化指数低值区和中低值区的总面积占全区面积的77.12%，集中分布在渭河河谷平原的耕地集中地区，这与平原地区耕地的集约化连片种植直接相关。此外，秦岭北麓生态保护区域因自然植被的连续性较好，破碎化程度同样维持在较低水平。与之相对，破碎化高值区和中高值区的总面积占全区面积的22.88%，主要分布在西北部的黄土高原南部，这些区域自然本底环境破碎度高，地貌类型复杂，景观破碎化问题较为严重。
图4 关中平原城市群景观破碎化指数空间分布

Fig.4 Spatial distribution of landscape fragmentation index in urban agglomeration of Guanzhong Plain

从维度特征看，斑块维度（反映斑块规模）与形状维度（表征形状规则程度）的破碎化水平相对较低。2项指标的低值区与中低值区之和分别占研究区总面积的81.52%和86.10%，而高值区及中高值区合计占比仅为18.48%与13.90%。斑块维度、形状维度高值区与景观破碎化综合指数高值区分布基本一致，集中于天水、宝鸡北部、平凉、庆阳、铜川北部等西北部黄土高原南麓山区，反映这些区域斑块数量多、单体规模小，且边界复杂、形状不规则，破碎化特征显著。进一步，空间分布维度的破碎化程度最高（反映斑块分布集中程度），中高值与高值区合计占比达27.41%。高破碎化区域集中分布于天水、平凉、宝鸡北部、商洛、铜川及临汾北部等地，表明这些区域的景观单元空间连续性弱、分布离散性强。
图5显示，斑块维度的破碎化指数中位数从高到低依次为建设用地＞水域＞草地＞耕地＞林地，反映研究区建设用地和水域呈“斑块数量多、单体面积小”的特征，而林地因较好的自然植被连续性而具备较大的斑块规模。形状维度，破碎程化度表现为水域＞草地＞耕地＝建设用地＞林地的态势。空间分布维度，破碎化指数排序与斑块维度一致（建设用地＞水域＞草地＞耕地＞林地）。水域多呈团状或条带状小型斑块分布，易受道路等线性要素切割，致使其边界复杂性显著提升（Mo et al., 2017）；建设用地虽在面积维度呈现较高破碎化特征，但受城市规划中规则化布局与集约利用政策持续驱动，其形态维度破碎化指数维持低位；同时，二者空间分布均表现出显著离散性。相较之下，林地集中分布于研究区南部的秦岭山区，形成连续完整的高连通性生态基质。
图 5 关中平原城市群不同地类的景观破碎化指数

Fig.5 Landscape fragmentation index of different land use in urban agglomeration of Guanzhong Plain

景观破碎化综合指数由高到低依次为水域＞建设用地＞草地＞耕地＞林地。水域因受人工水利设施分割和自然地形破碎的双重影响，成为破碎化最严重的地类；建设用地的高破碎化主要源于城镇化进程中的斑块化扩张；草地集中分布于西北部山区及农牧交错带，受地形破碎化和人类活动干扰，呈现“小斑块、复杂形状、离散分布”特征；耕地虽斑块数量较多，但受平原区集约化耕作影响，形状规则程度较高；林地则凭借秦岭山区的完整地貌单元，维持着连续、规则且集中的理想景观格局。

3.2　道路对景观破碎化的影响

3.2.1　模型精度比较

由表4可知，各景观破碎化指数的Moran's I在统计学上具有显著性，且值均大于0.6，表明研究区的景观破碎化在空间上存在正向集聚现象，适合使用空间权重模型。由表5可知，GNNWR模型在解释景观破碎化方面具有更高的解释能力和准确性，R²平均值为0.59，相较于OLR模型提升了2.2倍，相较于GWR模型提升了约39%；RMSE平均值为0.12，相较于OLR模型降低了26.62%，相比于GWR模型降低了11.32%。
表 4 景观破碎化全局Moran's I 指数

Table 4 Global Moran's I index of landscape fragmentation

景观破碎化指数 Moran's I Z得分 P值
综合指数 0.75 86.30 0.000*
斑块维度 0.62 71.27 0.000*
形状维度 0.73 83.86 0.000*
空间分布维度 0.75 86.33 0.000*

注： *表示在99%的置信区间上显著。

表 5 OLR、GWR、GNNWR模型对不同景观破碎化指数的建模结果

Table 5 Different landscape fragmentation modeling results for OLR, GWR, and GNNWR models

景观破碎化

指数

 OLR GWR GNNWR
R² RMSE R² RMSE R² RMSE
综合指数 0.18 0.165 0.44 0.135 0.61 0.116
斑块维度 0.21 0.143 0.39 0.125 0.58 0.115
形状维度 0.15 0.156 0.42 0.128 0.58 0.109
空间分布维度 0.19 0.186 0.44 0.151 0.58 0.137

3.2.2　道路对景观破碎化的影响

整体而言，道路密度因子（RD）对景观破碎化主要呈正相关，道路距离因子（DNR）主要表现为负相关（表6）。值得注意的是，到高等级道路距离（DNR_H）对景观破碎化综合指数的影响强度及系数分布范围最大，其次为低等级道路距离（DNR_L），而高速公路相关因子（DNR_E、RD_E）的系数绝对值及分布范围均最小。这主要是因为，高速公路的半封闭属性使其对周边景观的直接干扰有限，而高、低等级道路的开放性使其与土地利用系统之间形成更紧密的空间互动关系。
表6 GNNWR模型统计信息

Table 6 Statistics of GNNWR model

指标类型

到低等级道路距离

（DNR_L）

到高等级道路距离

（DNR_H）

到高速公路距离

（DNR_E）

低等级道路密度

（RD_L）

高等级道路密度

（RD_H）

高速公路密度

（RD_E）

斑块

维度

 1st四分位数 -0.212 -0.157 -0.011 0.003 0.083 0.0002
中位数 -0.156 -0.120 -0.007 0.003 0.118 0.0002
3rd四分位数 -0.090 -0.080 -0.005 0.004 0.142 0.0003
平均值 -0.161 -0.124 -0.008 0.003 0.118 0.0002

形状

维度

 1st四分位数 0.000 -0.018 -0.021 0.000 -0.003 -0.067
中位数 0.003 0.005 -0.002 0.000 0.002 -0.016
3rd四分位数 0.005 0.038 0.020 0.001 0.005 0.010
平均值 0.002 0.006 -0.003 0.000 0.001 -0.027

空间

分布

维度

 1st四分位数 -0.113 -0.151 -0.036 0.116 0.086 -0.004
中位数 -0.076 -0.089 -0.022 0.123 0.099 0.019
3rd四分位数 -0.040 0.016 0.003 0.138 0.115 0.039
平均值 -0.081 -0.083 -0.019 0.127 0.101 0.020

景观破碎化

综合指数

 1st四分位数 -0.085 -0.135 -0.030 0.043 0.030 0.008
中位数 -0.061 -0.078 -0.021 0.059 0.036 0.017
3rd四分位数 -0.035 0.014 -0.007 0.073 0.044 0.027
平均值 -0.065 -0.073 -0.019 0.060 0.037 0.017
分维度看，斑块维度的破碎化指数主要受低等级道路和高等级道路驱动。到低等级道路距离（DNR_L）、到高等级道路距离（DNR_H）、高等级道路密度（RD_H）的回归系数中位数分别为-0.156、-0.12和0.118。这表明距上述2类道路越近的区域，斑块破碎化程度越高，且高等级道路密度的提升会显著加剧斑块细碎化程度。形状维度的破碎化指数主要受高等级道路和高速公路的影响，相关变量回归系数呈现正负分化特征。具体而言，相比于低等级道路，高等级道路与高速公路的宽幅线性切割效应（如穿越山区林地、草地时）会破坏自然斑块的连续性，形成狭长或不规则边界，导致形状指数升高；而远离道路的自然斑块（如河流湿地）因受人类干扰较少，往往保留自然演化的复杂形态（如曲流河岸）。此外，密集道路网络可能推动斑块（如建设用地）呈网格状规则布局，这与Che等（2023）的研究结论一致。空间分布维度的各项因子回归系数分布与综合指数相似，主要受道路距离因子的负向控制和密度因子的正向驱动。这表明斑块空间离散度随距道路距离的缩短以及道路密度的增加而显著升高。

3.2.3　道路对景观破碎化影响的空间非平稳性

由于各维度景观破碎化的空间分布特征呈现相似性，而道路对斑块维度的破碎化作用最为显著，本节将聚焦道路因素，分析其对斑块维度景观破碎化及破碎化综合指数的空间非平稳性影响。
1）道路对斑块维度景观破碎化影响的空间非平稳性
图6显示，研究区范围内，到高速公路距离（DNR_E）的系数均为负值，表明远离高速公路的区域其斑块破碎化程度更低；而高速公路密度（RD_E）的系数以正值为主（占比93%），但绝对值均小于0.005，说明其对斑块破碎化的影响强度微弱，印证了高速公路半封闭属性所产生的直接干扰有限。到高等级公路距离（DNR_H）回归系数呈显著负相关（绝对值均值0.161），表明斑块破碎化程度与高等级道路距离呈强负相关；高等级公路密度（RD_H）系数在全域范围内显著为正，表明区域高等级道路密度越高，景观破碎化程度越严重，这凸显了关中平原城市群高等级道路网络在塑造区域景观格局、驱动大规模景观破碎化中的关键作用。同时，DNR_H与RD_H的空间分异性显著：在天水—宝鸡—铜川—西安—商洛一线的秦岭北麓及黄土塬过渡带，距离因子的系数绝对值较均值高50%~90%，而在渭河河谷平原地区系数绝对值不足0.1。该结果反映山地丘陵区对高等级道路切割的敏感性显著高于平原。到低等级道路距离（DNR_L）与低等级道路密度（RD_L）分别呈现显著负相关和正相关，表明低等级道路密度越高、缓冲距离越近的区域，斑块细碎化程度越高，低等级道路网络通过近距离、高密度的渗透式扩张，对景观基底产生显著的分割效应，尤其加剧了小尺度上的生境异质性与隔离。其影响强度在研究区西部黄土高原丘陵区（如平凉、庆阳）和南部秦岭浅山区（如商洛）等区域最为突出，距离因子的回归系数绝对值达0.19~0.26，而在关中平原核心区（如咸阳、渭南）则降至0.08以下。
图6 道路对斑块维度景观破碎化的影响

Fig.6 Impact of roads on shape-dimensional landscape fragmentation

各等级道路影响的空间集聚特征呈现显著共性：高响应区集中于研究区西部黄土高原南部和南部秦岭山区，而平原区响应较弱。一方面，山区以林地、草地为主，这些连续成片的自然景观对线性干扰的切割效应更敏感，而平原区耕地因已呈集约化块状分布，新增道路带来的破碎化效应相对有限。另一方面，平原区道路多与土地利用边界（如田块、街区）重合，其布局遵循现有景观肌理，因此新增道路引发的额外破碎化有限，而山区道路常需穿越完整自然斑块，导致景观连续性与完整性受到影响。
2）道路对景观破碎化综合指数的影响
由图7可知，不同等级道路所致的景观破碎化程度及范围存在差异。高速公路距离（DNR_E）与景观破碎化呈显著负相关（占比85.59%），而高速公路密度（RD_E）呈显著正相关（占比92.31%），表明距高速公路越近、以及公路密度越高的区域，景观破碎化程度越高。这种效应在西部黄土高原南部与南部秦岭北麓尤为突出，该区域山地-丘陵-高原复合地貌特征显著，自然本底的空间破碎度高。为满足通行需求，高速公路需大量采用桥梁、隧道等工程，其立体线性空间对山体林地的垂直切割导致原生景观单元被强制分割，破碎化效应较平原区显著提升。
图7 关中平原城市群道路对景观破碎化综合指数的影响

Fig.7 Impact of roads on the composite index of landscape fragmentation in urban agglomeration of Guanzhong Plain

到高等级道路距离（DNR_H）在研究区内主要表现为负相关（占比69.27%），而高等级道路密度（RD_H）在研究区表现为正相关，同样表明高道路密度以及毗邻道路的区域景观高度破碎化。在宝鸡东北部麟游县—咸阳永寿县的渭北旱塬区，到高等级道路距离（DNR_H）呈现正相关，原因在于该区域的高等级道路分布较为稀疏，整体上破碎化程度较高的区域距高等级道路较远，反映自然本底破碎度对景观格局的主导作用超越道路干扰。此外，到高等级道路距离（DNR_H）在河谷平原地区也表现出正相关，平原地区的道路网络分布模式与陡峭山地相比存在较大差异，平原地区道路分布更加规则且密度更大。高等级道路周边的建设用地通过更高效的管理和开发措施从无序分散的状态演变为有序的规模形态，这与已有研究（Ai et al., 2022）一致。然而，密集的道路网络在削弱景观分布的连续性的同时，交通沿线的可达性水平提升亦会促进地区传统农业景观向城市景观快速转型（张童 等，2018），最终表现为区域破碎化程度的非线性上升。天水和平凉地区的回归系数平均值均处于高水平区间（分别为-0.23和-0.20），表明高等级道路对山区的影响程度最大，这是由于山区的生态基质的空间格局天然零散，高等级道路建设对景观格局的影响更加显著。
到低等级道路距离（DNR_L）在研究区内表现为负相关，而低等级道路密度（RD_L）在研究区主要表现为正相关。到低等级道路距离（DNR_L）的回归系数分布与到高等级道路距离（DNR_H）类似，但回归系数的绝对值比到高等级道路距离（DNR_H）因子更小。相比于高等级道路，低等级道路对景观的物理切割强度更低，干扰的范围相对有限。此外，在河谷平原区，低等级道路对景观破碎化的边际效应呈现递减趋势。这是因为该区域路网已高度密集，其道路扩张对破碎化的加剧作用弱于周边区域。

3.2.4　典型区讨论

因道路的设计标准、交通流量及沿线地理环境存在差异，其引发的景观破碎化程度显著不同。因此，地区景观破碎化呈现“因时因地而异”的空间非平稳性。为进一步解析道路对景观破碎化的差异化影响，选取西黄（西安—黄陵）高速及其周边地区为典型区域进行分析。图8显示，西黄高速在不同区域对景观破碎化的影响关系发生显著变化，自北向南穿越不同地理单元时，与景观破碎化的影响系数呈现显著的负―正―负分异特征。
图 8 西黄高速沿线高速公路对景观破碎化影响的空间分异

Fig.8 Spatial differentiation of impacts of expressway on landscape fragmentation along the Xi-Huang Expressway

西黄高速北段途经的宜君县以林地、草地为主要土地利用类型，属于黄土高原向关中平原过渡的山地生态敏感区。高速公路与景观破碎化在该区域呈负相关，即距离道路越近，景观破碎化程度越高，反映山区自然景观对道路切割的高敏感性。中段穿越的富平、三原县北部为关中平原传统农业区，土地利用以耕地为主，该区域高速公路与景观破碎化呈正相关，即距离道路越近，景观破碎化程度越低。一方面，该区域道路基础设施尚未引发交通沿线地区建设用地的大规模扩张，也未对耕地景观造成明显侵占与割裂；另一方面，耕地集约化利用有效整合了分散地块，优化了田间道路布局，并推动耕地斑块向规则化、连片化演变，客观上降低了景观破碎化程度。南段毗邻西安主城区的高陵区、渭城区等区域，该区域高速公路与景观破碎化呈显著负相关，即距离道路越近，景观破碎化程度越高。该区域作为西安都市圈扩张的前沿，土地利用已由农业主导转向建设用地主导（商业、居住、工业等用地密集）。高速公路为沿线地区带来区位优势，亦直接刺激了沿线土地高强度开发，形成“以路兴城”的空间扩张模式。这导致原有连片耕地、林地被切割为碎片化的不规则斑块，人工建设斑块（如住宅新区、产业园区）与自然、农业斑块犬牙交错，局部景观异质性显著增强。
上述案例表明，道路沿线地理环境差异是景观破碎化效应空间非平稳性的主要原因。在自然生态区，道路主要通过物理切割驱动景观破碎；在人文活动主导区，其影响机制呈现显著分异。平原农业生产区因耕地集约化利用形成景观连片化效应，抑制了景观破碎化；城市化地区则以道路为驱动因子，加速了土地开发主导的景观重构并加剧景观破碎化。此外，生态恢复工程等人为干预将持续推动该空间分异格局动态演进。

4 结论与讨论

本文以黄河流域中游、交通网络快速扩张的关中平原城市群为研究区域，系统探讨了交通扩张驱动下城市群景观破碎化过程的空间非平稳性，得到的主要结论有：
1）关中平原城市群的景观破碎化整体水平较低，以低值和中低值区为主。空间上呈现中心平原低、外围山地高的分布态势。此外，研究区南部的秦岭保护区在生态红线的严格保护下，也维持着较低的破碎度。分维度看，反映景观斑块规模的斑块维度与形状规则程度的形状维度均呈现较低的景观破碎化水平，而揭示斑块分布集中程度的空间分布维度，其破碎化水平相对较高。由此，斑块分布不集中是研究区景观破碎化的主要原因，景观斑块的空间离散化问题突出。
2）在不同的地理区位和景观类型下，道路对景观破碎化的影响存在差异。研究区西部的黄土高原地区和南部的秦岭北麓地区，道路对其景观格局的影响较大，而研究区中部的河谷平原地区，道路对其景观格局造成的影响较小。
3）道路网开放性的空间异质性，导致不同等级道路对景观破碎化的影响存在显著差异。道路距离因子与景观破碎化呈现负相关，道路密度因子与景观破碎化则呈现正相关。低等级道路对斑块维度和空间分布维度的景观破碎化影响最大，高等级道路则显著地影响着规模、形状以及空间分布维度的景观破碎化。高速公路由于其半封闭性，对景观破碎化的影响相对有限。
本文创新点在于通过构建兼顾变量非线性和空间非平稳性的地理神经网络加权回归模型分析框架，精细化测度了高度城镇化地区不同类型道路对景观破碎化的影响效应及其空间差异。特别是通过引入道路等级差异视角，不仅验证了道路网络对景观破碎化的显著影响，也揭示了不同功能层级道路的差异化作用路径（Lin et al., 2019），道路与其嵌入沿线的差异化地理环境相互作用深刻揭示了交通廊道与景观格局互动的多维空间分异过程机制。本文为理解城市群地区道路网干扰的空间复杂性提供了新视角。然而，本文对道路景观破碎化效应研究仍停留在相关性分析层面，未能揭示因果关系。未来将结合长时序数据探讨综合交通网络建设与景观破碎化过程之间的因果关系，并结合实际需求侧的交通流量数据开展深入分析。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Ai J W, Yu K Y, Zeng Z, Yang L Q, Liu Y F, and Liu J. 2022. Assessing the Dynamic Landscape Ecological Risk and Its Driving Forces in an Island City Based on Optimal Spatial Scales: Haitan Island, China. Ecological Indicators, 137: 108771. ​​

Ai S H, Liu Z Y, Ai X Y, Pan Y, and Ai Y W. 2024. China's Road Slopes Need Long-Term Protection. Science, 384(6699): 967-967. ​​

Cai X J, Wu Z F, and Cheng J. 2013. Using Kernel Density Estimation to Assess the Spatial Pattern of Road Density and Its Impact on Landscape Fragmentation. International Journal of Geographical Information Science, 27(2): 222-230. ​​

Che M L, Yang F, Sun J L, Zhang C, and Zhang J Y. 2023. Influence of Road Network Expansion on the Landscape Ecological Risk in the Yangtze River Delta Region over the Past Two Decades. Ecological Indicators, 156: 111178. ​​

Chen S T, Di Marco M, Li B V, and Li Y R. 2024. Roadless Areas as an Effective Strategy for Protected Area Expansion: Evidence from China. One Earth, 7(8): 1456-1468. ​​

Coffin A W. 2007. From Roadkill to Road Ecology: A Review of the Ecological Effects of Roads. Journal of Transport Geography, 15(5): 396-406. ​​

戴特奇，郭凯菲，吴俊强，张丽丽. 2023. 西藏自治区公路建设对空间可达性和沿线景观破碎度的影响. 地理科学进展，42（10）：1882-1890. [Dai Teqi, Guo Kaifei, Wu Junqiang, and Zhang Lili. 2023. Accessibility Improvement and Landscape Ecological Effect of Highway Development in Tibet. Progress in Geography, 42(10): 1882-1890. ]​​

Du Z H, Wang Z Y, Wu S S, Zhang F, and Liu R Y. 2020. Geographically Neural Network Weighted Regression for the Accurate Estimation of Spatial Non-Stationarity. International Journal of Geographical Information Science, 34(7): 1353-1377. ​​

Eroglu E, Acar C, and Meral A. 2018. Ecological and Visual Characteristics of Native Plant Compositions in Mountain Forests. Fresenius Environmental Bulletin, 27(4): 2160-2172. ​​

Forman R T T and Alexander L E. 1998. Roads and Their Major Ecological Effects. Annual Review of Ecology, Evolution, Systematics, 29: 207-231. ​​

黄梦娜，马廷. 2019. 中国道路网引起的景观破碎格局及其对保护区的影响. 地球信息科学学报，21（8）：1183-1195. [Huang Mengna and Ma Ting. 2019. Assessing the Impacts of China's Road Network on Landscape Fragmentation and Protected Areas. Journal of Geo-information Science, 21(8): 1183-1195. ]​​

Huijser M P, Fairbank E R, Camel-Means W, Graham J, Watson V, Basting P, and Becker D. 2016. Effectiveness of Short Sections of Wildlife Fencing and Crossing Structures along Highways in Reducing Wildlife-Vehicle Collisions and Providing Safe Crossing Opportunities for Large Mammals. Biological Conservation, 197: 61-68. ​​

Ibisch P L, Hoffmann M T, Kreft S, Pe'er G, Kati V, Biber-Freudenberger L, DellaSala D A, Vale M M, Hobson P R, and Selva N. 2016. A Global Map of Roadless Areas and Their Conservation Status. Science, 354(6318): 1423-1427. ​​

李倩雯，靳甜甜，蒋爱萍，彭期冬，林俊强，张迪. 2023. 道路建设对西南地区景观格局的影响. 生态学报，43（6）：2310-2322. [Li Qianwen, Jin Tiantian, Jiang Aiping, Peng Qidong, Lin Junqiang, and Zhang Di. 2023. Effects of Road Construction on Landscape Pattern in Southwest China. Acta Ecologica Sinica, 43(6): 2310-2322. ]​​

李双成，许月卿，周巧富，王磊. 2004. 中国道路网与生态系统破碎化关系统计分析. 地理科学进展，23（5）：78-85，110. [Li Shuangcheng, Xu Yueqing, Zhou Qiaofu, and Wang Lei. 2004. Statistical Analysis on the Relationship Between Road Network and Ecosystem Fragmentation in China. Progress in Geography, 23(5): 78-85, 110. ]​​

李涛，高毅华，王姣娥. 2025. 西成高铁（陕西段）沿线土地利用和景观格局变化的梯度效应. 生态学报，45（4）：1-17. [Li Tao, Gao Yihua, and Wang Jiao'e. 2025. Gradient Effect of Changes in Land Use and Landscape Patterns along the Xi'an⁃Chengdu High⁃Speed Railway Line (Shaanxi Segment). Acta Ecologica Sinica, 45(4): 1-17. ]​​

Lin Y Y, Hu X S, Zheng X X, Hou X Y, Zhang Z X, Zhou X N, Qiu R Z, and Lin J G. 2019. Spatial Variations in the Relationships between Road Network and Landscape Ecological Risks in the Highest Forest Coverage Region of China. Ecological Indicators, 96: 392-403. ​​

Lisiak-Zielińska M, Borowiak K, and Budka A. 2022. How Big Is the Real Road-Effect Zone? The Impact of the Highway on the Landscape Structure—A Case Study. Sustainability, 14(22): 15219. ​​

Liu C H, Wu S S, Dai Z, Wang Y Y, Du Z H, Liu X Y, and Qiu C X. 2023. High-Resolution Daily Spatiotemporal Distribution and Evaluation of Ground-Level Nitrogen Dioxide Concentration in the Beijing-Tianjin-Hebei Region Based on TROPOMI Data. Remote Sensing, 15(15): 3878. ​​

刘世梁，温敏霞，崔保山，富伟，杨敏. 2008. 道路影响域的界定及其空间分异规律——以纵向岭谷区为例. 地理科学进展，27（5）：122-128. [Liu Shiliang, Wen Minxia, Cui Baoshan, Fu Wei, and Yang Min. 2008. Definition and Spatial Differentiation of Road-Effect Zone: A Case Study in Longitudinal Range-Gorge Region. Progress in Geography, 27(5): 122-128. ]​

刘世梁，刘琦，王聪，赵清贺，邓丽，董世魁. 2014. 基于地理加权回归的漫湾库区景观破碎化及影响因子分析. 地理科学，34（7）：856-862. [Liu Shiliang, Liu Qi, Wang Cong, Zhao Qinghe, Deng Li, and Dong Shikui. 2014. Landscape Fragmentation and Affecting Factors of Manwan Reservoir Based on Geographically Weighted Regression. Scientia Geographica Sinica, 34(7): 856-862. ]​​

刘栩成，尹小玲，黄光庆，陈彩霞. 2020. 基于GWR模型的道路对景观破碎化影响研究. 生态科学，39（6）：120-126. [Liu Xucheng, Yin Xiaoling, Huang Guangqing, and Chen Caixia. 2020. Impacts of Roads on Landscape Fragmentation Based on GWR Model. Ecological Science, 39(6): 120-126. ]​​

Miao Y, Dai T Q, Yang X D, and Song J P. 2021. Landscape Fragmentation Associated with the Qingzang Highway and Its Influencing Factors—A Comparison Study on Road Sections and Buffers. Geography and Sustainability, 2(1): 59-67. ​​

Mo W B, Wang Y, Zhang Y X, and Zhuang D F. 2017. Impacts of Road Network Expansion on Landscape Ecological Risk in a Megacity, China: A Case Study of Beijing. Science of the Total Environment, 574: 1000-1011. ​​

Shi H, Shi T G, Yang Z P, Wang Z, Han F, and Wang C R. 2018. Effect of Roads on Ecological Corridors Used for Wildlife Movement in a Natural Heritage Site. Sustainability, 10(8): 2725. ​​

孙国庆，邹滨，姜晓璐，邱永红. 2017. 公路走廊带景观破碎度的空间分异研究. 测绘与空间地理信息，40（8）：106-109. [Sun Guoqing, Zou Bin, Jiang Xiaolu, and Qiu Yonghong. 2017. Spatial Heterogeneity of Landscape Fragmentation in Road Corridor. Geomatics & Spatial Information Technology, 40(8): 106-109. ]​​

吴森森，丁佳乐，严成，陈奕君，杜震洪. 2024. 基于TD-GNNWR的武汉市房价因子空间非平稳性研究. 地理学报，79（8）：1961-1977.

Wu Sensen, Ding Jiale, Yan Cheng, Chen Yijun, and Du Zhenhong. 2024. Spatial Non-Stationarity Assessments of Housing Prices in Wuhan Based on a TD-GNNWR Model. Acta Geographica Sinica, 79(8): 1961-1977.

许尔琪. 2017. 基于地理加权回归的石漠化影响因子分布研究. 资源科学，39（10）：1975-1988. [Xu Erqi. 2017. Spatial Variation in Drivers of Karst Rocky Desertification Based on Geographically Weighted Regression Model. Resources Science, 39(10): 1975-1988. ]​​

Xu M Y, Niu L, Wang X B, and Zhang Z F. 2023. Evolution of Farmland Landscape Fragmentation and Its Driving Factors in the Beijing-Tianjin-Hebei Region. Journal of Cleaner Production, 418: 138031. ​​

Yang S Q, Jin Z, Luo D, and Feng L. 2023. Road Network Expansion and Its Impact on Landscape Patterns in the Dongzhi Tableland of the Chinese Loess Plateau. Journal of Geographical Sciences, 33(12): 2549-2566. ​​

杨思琪，朱高儒，刘杰，徐洪磊. 2022. “格局-过程-功能”视角下交通生态效应研究进展. 生态环境学报，31（3）：634-642. [Yang Siqi, Zhu Gaoru, Liu Jie, and Xu Hongle. 2022. The Research Progress of the Traffic Ecological Effects under the Perspective of "Pattern-Process-Function". Ecology and Environmental Sciences, 31(3): 634-642. ]​​

张童，姚士谋，胡伟平，崔锋艳. 2018. 基于交通可达性的广佛都市区城市扩展的模拟与分析. 地理科学，38（5）：737-746.

Zhang Tong, Yao Shimou, Hu Weiping, and Cui Fengyan. 2018. Simulation of Urban Expansion in Guangzhou-Foshan Metropolitan Area Under the Influence of Accessibility. Scientia Geographica Sinica, 38(5): 737-746.

赵芳，卢涛. 2017. 道路扩展对青藏高原东缘土地利用及景观格局的影响. 生态科学，36（4）：146-151. [Zhao Fang and Lu Tao. 2017. Ecological Effects of Roads on Land Use and Landscape Pattern in Eastern Tibetan Plateau, China. Ecological Science, 36(4): 146-151. ]​​

Zhu M, Xu J G, Jiang N, Li J L, and Fan Y M. 2006. Impacts of Road Corridors on Urban Landscape Pattern: A Gradient Analysis with Changing Grain Size in Shanghai, China. Landscape Ecology, 21(5): 723-734. ​​

中华人民共和国国家发展与改革委员会. 2018. 关中平原城市群发展规划.（2018-02-02）[2025-08-17]. https://baike.baidu.com/reference/22378134/533aYdO6cr3_z3kATKfazqn1ZiaVZYn6t7bSA-NzzqIP0XOpX5nyFIY28tRx-fhxWgjF_4JhZtRajOusWA8P8fUQcOU1QKpmn3b-WzPAybmJ9943k9FAvdIHBfE.

National Development and Reform Commission of the People's Republic of China. 2018. Development Plan for the Guanzhong Plain Urban Agglomeration. (2018-02-02) [2025-08-17]. https://baike.baidu.com/reference/22378134/533aYdO6cr3_z3kATKfazqn1Zia VZYn6t7bSA-NzzqIP0XOpX5nyFIY28tRx-fhxWgjF_4JhZtRajO usWA8P8fUQcOU1QKpmn3b-WzPAybmJ9943k9FAvdIHBfE.

中华人民共和国国家发展与改革委员会，中华人民共和国交通运输部. 2022. 国家公路网规划（2022—2035年）.（2022-07-04） [2025-08-17]. https://xxgk.mot.gov.cn/2020/jigou/zhghs/202207/P020220721337323849487.pdf.

National Development and Reform Commission of the People's Republic of China and Ministry of Transport of the People's Republic of China. 2022. National Highway Network Plan(2022-2035). (2022-07-04) [2025-08-17]. https://xxgk.mot.gov.cn/2020/jigou/zhghs/202207/P020220721337323849487.pdf.

宗跃光，周尚意，彭萍，刘超，郭瑞华，陈红春. 2003. 道路生态学研究进展. 生态学报，（11）：2396-2405. [Zong Yueguang, Zhou Shangyi, Peng Ping, Liu Chao, Guo Ruihua, and Chen Hongchun. 2003. Perspective of Road Ecology Development. Acta Ecologica Sinica, (11): 2396-2405. ]​

Options
文章导航

/

〈 〉