黄河是我国重要的生态安全屏障，在我国生态安全方面具有重要地位[1]。同时，黄河也是我国重要的经济带，分布着我国14个大型煤炭基地中的9个基地，是我国重要的能源基地[2-3]。2019年9月，习近平总书记在“黄河流域生态保护和高质量发展座谈会上的讲话”提出了黄河流域生态保护和高质量发展的重大国家战略[4]，明确治理黄河“重在保护、要在治理”，要坚持 “山水林田湖草”综合治理，坚持“绿水青山就是金山银山”的理念，坚持生态优先、绿色发展，以水而定、量水而行，因地制宜、分类施策，上下游、干支流、左右岸统筹谋划，共同抓好大保护，协同推进大治理[5]。
黄河流域上游水能资源较丰富，中游主要为煤炭资源，下游主要是石油与天然气资源，是我国七大流域中能源资源储备最丰富的流域[6]，随着我国的煤炭开采由东部向西部转移，黄河流域的煤炭开发规模已是全国之最[7]。生态环境保护与煤炭产业协同发展是当前黄河流域研究的重点。
黄河流域中上游气候干旱半干旱，生态脆弱，水资源短缺[8]，对于人为活动干扰抵抗能力较差，而采煤活动对于地下水的破坏会加剧生态退化趋势[9-10]，要保障黄河高质量发展，就必须应对采煤对于黄河流域生态环境的影响。因此，黄河流域矿区生态恢复是黄河高质量发展的重要保障。
对矿区开采活动后破坏的生态和环境进行修复治理是矿区开发和生产后必不可少的任务，也是当前矿区生态修复治理与国土生态治理的热点问题。矿区生态修复最早由国外的学者进行探索实验[11]，美国、英国等国家对矿区生态修复极为重视[12]。1939年，美国西弗吉尼亚州颁布《矿山法》，推进矿区生态修复[13],在美国后续颁布的相关法律中也在不断制定与完善更多的规范要求与法律机制[14-15]。英国于1969年颁布《矿山采矿法》，明确要求了矿区生态修复的规范要求与效果[16]，并考虑实际情况对矿区生态修复工作予以资金支持，注重生态修复后的生态环境安全与土地资源效益。
我国矿区生态修复正逐步发展并取得了一定的成果，目前修复方式主要有3种[17]:物理修复、微生物修复与植物修复。雷少刚等[18]、王平等[19]、YANG等[20]研究土壤物理性质与开采塌陷之间的关联，并提出相应的建议措施;毕银丽等[21-24]学者，通过对微生物对土壤基质改善的研究，提高土壤肥力，改善土壤结构，进而提高人工恢复的效率[25];刘英等[26]研究矿区植物光合作用与土壤、水之间的关联，探究矿区植物生长的相关理论。然而这些学者大都是以较微观机理的角度对矿区生态进行研究，矿区对于生态环境的影响还会表现在大尺度上，例如煤炭开采会导致河川径流量减少[27]，影响区域水资源，进而导致较大区域内的生态产生变化，因此矿区修复需要以宏观尺度进行顶层规划研究工作，对矿区附近的景观生态进行综合评估分析。
矿区的生产开采活动会对周围的土地利用与景观产生重大影响，对矿区周围的景观生态安全构成一定程度的威胁，造成区域生态风险，景观生态风险评价可对矿区周围的区域生态风险进行评估[28]，分析矿区所在区域的生态安全格局，为区域景观生态安全格局的构建与优化提供基础[29]，基于复杂网络方法对区域景观生态安全格局进行优化与分析是近年来区域生态环境可持续研究的热点问题[30]。生态网络是生态学上的重要分析方法，也是景观生态学宏观角度进行研究的重要方式[31-33]。当前，潜在生态网络是生态网络构建分析的重要研究内容[34]，通过提取矿区潜在生态网络及其网络廊道，能够从宏观上反映矿区破碎景观直接的相互关联[35]，从而有效构建矿区生态安全格局，而生态网络本身属于复杂系统的一种[36]，可通过复杂系统的研究方法进行研究。
复杂系统是基于“复杂科学理论”的科学，从不同的角度考虑，复杂系统具有不同的特点，且复杂系统广泛存在于地理学、生态学、经济学与人文社会类科学等各个不同科学领域[37-39]。复杂网络的抽象研究方法是复杂系统研究的重要内容，其研究对象是复杂系统中各个要素之间的结构与拓扑关系，这与潜在生态网络中的破碎景观相吻合，因此，可通过复杂网络的研究方法进行矿区潜在生态网络的研究，本文借鉴于强等[40]、牛腾等[41]、王戈等[42]的研究，基于潜在复杂生态网络分析的方法，选取黄河典型矿区分布区域——黄河“几”字湾进行景观生态风险评价与潜在复杂生态网络构建，提取生态节点，并基于节点的复杂网络属性，与矿区景观生态风险结果进行耦合，识别矿区亟须进行生态修复且满足生态修复条件的薄弱节点，进行矿区生态修复廊道增边优化，尝试探索在宏观角度下，结合景观生态学与复杂系统理论，进行黄河流域矿区分布区域生态修复策略的顶层设计研究。
1 材料与方法
1.1 研究区概况
研究区在鄂尔多斯市与榆林市2个地级市的范围基础上，向外拓展5 km，使得对鄂榆地区生态环境有重要影响的黄河水体及黄河周边的湿地能纳入研究区范围内，其所处地理位置及范围如图1所示。
图1 研究区范围示意
Fig.1 Schematic diagram of the study area
鄂尔多斯市位于内蒙古自治区西南部，位于北纬37.59°～40.86°，东经106.71°～111.46°，总面积为86 752 km2。榆林市位于陕西省最北部，位于北纬36.95°～39.58°，东经107.47°～111.25°，总面积为43 578 km2。鄂榆两市均为黄河“几”字湾河套腹地，属于北温带半干旱大陆性气候区。 鄂榆地区矿产资源丰富，是我国煤炭资源集中区域和国家规划建设的大型煤炭基地之一，在我国能源安全战略格局中具有重要地位。
当前，黄河流域生态保护和高质量发展已经上升为国家战略，鄂榆地区作为黄河东西连接的重要枢纽，其生态环境质量，对整个黄河流域的生态文明建设至关重要。同时，鄂榆地区作为我国重要的煤炭能源基地，其矿产资源开发是我国的社会经济发展的根本之一，而矿产资源开发利用不可避免的会给鄂榆地区的生态环境带来较大的改变。如何协调矿产资源的开采与生态环境的可持续发展是当前研究的重要内容。
笔者通过鄂榆地区潜在生态复杂网络提取，结合鄂榆地区生态风险评价，从景观尺度探索鄂榆地区生态现状下矿区生态修复路径与节点，尝试通过矿区外围景观结构上的巩固加强，构建协调矿产行业与生态文明建设的顶层设计策略，为矿区生态文明建设提供参考与依据。
1.2 数据来源与方法
鄂尔多斯市与榆林市的边界区划数据来自中科院资源环境数据中心;研究区DEM数据来自地理空间数据云;土地利用数据来自GlobeLand30提供的2020年30 m全球地表覆盖数据;水网与路网数据来自overpass turbo;计算研究区NDVI与NDWI的遥感波段来自Google Earth Engine平台上的Landsat8数据集;居民点分布数据是通过整理民政部、国家统计局等官方网站发布的相关信息，经过格式化文本与地理编码等处理后，制作形成的空间分布矢量数据。数据处理基于ENVI，Google Earth Engine，ArcGIS10.4，Matlab，Fragstats4.2等平台。
1.3 景观生态风险评价
考虑研究区内土地类型组合复杂，且研究区面积较大，基于ArcGIS10.4平台，利用Fish工具，构建出单个边长为5 km的正方形区划单元5 864个，结合研究区土地利用数据，利用Fragstats4.2软件，计算每个区划单元内的景观破碎度指数、景观优势度指数和景观分离度指数，进而计算每个单元的景观生态风险指数，将每个单元的景观生态风险指数赋值至各个单元的单元重心上，基于ArcGIS平台的克里金插值法，最终插值得出研究区的景观生态风险量化评价结果。
其中景观生态风险指数的计算公式为
(1)
Ug=EgFg
(2)
Eg=aCg+bDg+cKg
(3)
式中，IER为景观生态风险指数;Sk为第k个风险小区的总面积;下标g表示不同景观类型;Sk-g为第k个风险小区第 g类景观组分的面积;T为景观类型的总数;Ug为景观损失度指数;Eg为景观结构指数;Cg为破碎度指数;Dg为优势度指数;Kg为分离度指数;a,b,c分别为对应指数的权重，本文参考诸多学者的研究成果[43-45]并结合研究区实际情况后，a,b,c分别对应至为0.5，0.3，0.2;Fg为景观脆弱度指数，本文借鉴李保杰[46]所用方法，通过打分评价得到Fg的值。
1.4 潜在复杂生态网络提取
1.4.1 生态源地提取与生态阻力面构建
潜在生态网络提取主要分为生态源地提取、累积生态阻力面构建与生态廊道获取。分析研究区内的地类构成，林地、草地、灌木林、湿地与水体的生态地位均至关重要，故选取研究区林、草、灌木、湿地、水5种地类的土地利用数据斑块，计算所有斑块的斑块面积指标、平均NDVI、平均NDWI和斑块形状指数4种指标，通过指标评价各斑块的重要性，筛选出生态源地，其中，NDVI为归一化植被指数;NDWI为归一化水体指数。
研究区内生态能量流动过程中，不同地点的地形、植被覆盖、水文分布、土地覆盖与密度因子等因素对生态能量流动的阻碍作用各不相同，研究区累积生态阻力面是研究区所有地点对生态能量流动阻碍程度大小的栅格数据量化形式综合表现。利用修正最小累积阻力模型，结合研究区高程(DEM)、坡度、植被、水文、水网密度、路网密度、居民点密度和土地利用数据(图2)，构建研究区的最小累积生态阻力面。
图2 累积阻力面阻力因子
Fig.2 Resistance factor of cumulative resistance surface
修正最小累积阻力模型公式为
(4)
式中，VMCR-P为生态用地扩展最小生态累积阻力面;fmin为某土地单元的累积阻力最小值;Di-j为从生态源地j到土地单元i的空间距离;Ri为土地单元i对运动过程的阻力系数;Pj为生态源地j的能量因子，其值越大代表生态源地斑块的生态能量越大其中能量因子Pj的计算公式如下:
Pj=AjIj-r
(5)
式中,Aj为第j块生态源地斑块的面积;Ij-r为第j块生态源地斑块的第r个归一化指数(本研究中归一化指数选择了归一化植被指数NDVI与归一化水体指数NDWI两种指数)。
1.4.2 潜在生态廊道提取与潜在复杂生态网络构建
潜在生态廊道是研究区生态能量流动过程中，生态能量在各种因子共同影响下生态阻力最小的流动路径，在实际情况中，潜在生态廊道可能是一片带状生态用地景观，也可能是多种地类景观共同组成的一条适合生态能量流动的路径，如两处水域之间的带状林地、横穿山岭的隧道、两片绿地之间的人造小路等。利用ArcGIS平台上的Cost_path模块，基于生态源地与生态阻力面数据，提取生态廊道。Cost_path 模块可根据给定的生态源地与生态阻力面数据，计算出生态源地中的能量流动的生态阻力最小且生态能量耗费最少的路径，进而生成生态能量流动的生态廊道。
生态源地的生态能量会随着生态廊道在研究区内不断地进行生态能量流动与物质信息交换，生态源地与生态廊道组成了研究区生态能量流动的潜在复杂生态网络。网络的组成要素为节点与边，故要分析研究区潜在复杂生态网络的拓扑结构，需要从生态源地与生态廊道中提取网络的节点与边。生态廊道是生态能量流动的路径，也是生态源地之间进行物质信息交换的重要通道，故可将生态廊道提取为网络的边，则生态源地与生态廊道相交处为生态网络的点，即为生态网络的生态节点。因此，通过GIS平台的叠加分析技术，将生态源地与生态廊道叠加分析，通过GIS中的要素转点技术，提取出研究区潜在复杂生态网络的生态节点，与生态源地、生态廊道共同构成研究区的潜在复杂生态网络。
1.4.3 节点度中心性计算
节点的度是节点连接的边数。网络中节点的度越大，表明这个节点在网络中连接的边数越多，节点的邻居节点越多，则节点的度中心性越大。节点度中心性[47]的表达式为
(6)
式中,DC(vi)为网络第vi个节点的度中心性值;ei为网络第ei个节点连接的边数;N为网络中的节点总数。
计算网络中所有节点的度中心性，按照其值的大小对网络中的所有节点度中心性进行排序，筛选不同等级的节点。
1.4.4 复杂网络鲁棒性计算
鲁棒性指的是当系统发生了结构或者大小等变化后，系统能够维持其原有性能的能力。潜在复杂生态网络的鲁棒性是当网络的结构发生变化后，例如网络中的节点或廊道被破坏后，网络仍可以保持的结构与功能，其保持结构与功能的特性为连接鲁棒性;网络在经历节点或廊道的毁坏后，对其原有节点与廊道的恢复特性为恢复鲁棒性。
复杂网络连接鲁棒性的计算公式为
(7)
式中，R为网络的连接鲁棒性;c为去除部分生态节点后网络的最大连通子图中节点的数量;Nr为被移除的节点数目。
潜在生态网络的恢复鲁棒性可用边恢复鲁棒性和节点恢复鲁棒性来度量，他们分别代表了潜在生态网络中生态节点的恢复能力和生态廊道的恢复能力。边恢复鲁棒性和节点恢复鲁棒性计算公式为
(8)
(9)
式中，D为节点恢复鲁棒性;Nd为网络在移除Nr个节点后，恢复的节点数目;E为边恢复鲁棒性;Mr为网络中移除的边的条数;Me为边的恢复数量;M为网络中边的条数。
2 结果与分析
2.1 景观生态风险评价
通过景观格局指数组，计算得研究区每个规划单元中的景观生态风险指数，将各个规划单元中的景观生态风险指数赋值给各个规划单元重心，通过ArcGIS插值后得出研究区景观生态风险量化分析结果，通过自然间断点分类方法将景观生态风险评价结果进行区间分类，结果如图3所示。
图3 研究区景观生态风险评价
Fig.3 Landscape ecological risk assessment in the study area
分析研究区景观生态风险结果，景观生态风险区域较低的区域主要为研究区南部毛乌素沙地恢复的草地与研究区北部库布齐沙漠附近;生态风险较高区域为研究区北部伊金霍洛旗等矿区主要分布区域、北部黄河沿岸耕地区域、南部耕地区域以及部分库布齐沙漠南部的荒漠绿洲区。景观生态风险结果表明研究区北部矿区景观与土地类型结构功能稳定性较差，研究区内大面积分布耕地区域景观结构功能稳定性较差，库布齐沙漠南部的荒漠绿洲区同样需要优化增强其景观结构功能稳定性。
由图3可得，耕地、库布齐沙漠与毛乌素沙漠附近的荒漠绿洲区以及矿区附近的景观生态风险较高。耕地的景观生态风险较高主要是因为人的耕作活动，耕地上的庄稼植被变化频繁，实际上无需优化，而荒漠绿洲区的生态风险较高源自荒漠绿洲区本身存在着荒漠绿洲两种景观之间的相互转化，由于本研究是针对矿区生态修复策略的顶层设计探究，故在后续优化策略中不考虑耕地与沙漠绿洲区的景观生态风险。
2.2 潜在复杂生态网络构建
2.2.1 生态源地筛选
筛选得生态源地77块，其中林地源地1块、灌木林源地1块、草地源地56块、湿地源地6块以及水体源地13块。研究区生态源地分布如图4所示。
图4 研究区生态源地分布
Fig.4 Distribution of ecological sources in the study area
生态源地多数分布在研究区北部，研究区南部分布的生态源地相对较少，这表明研究区南部的生态本底较北方相对较差。研究区内生态源地主要为草地，林地与灌木林的生态源地分别只有一块，水体与湿地生态源地数量相对较少。
2.2.2 研究区累积生态阻力面构建
综合分析研究区地形、植被、水文、土地利用与密度因子数据，按照表1对各数据的生态阻力值进行分类并就不同类别进行阻力值赋值。考虑到各个因子对于研究区的生态格局现状发展和维护均不可或缺，故所有因子的影响权重相同。通过ArcGIS、ENVI平台，求得各影响因子数据并进行重分类赋值处理，将赋值后的数据通过地图代数合并，通过ArcGIS平台cost_distance模型获得研究区累积生态阻力面数据，如图5所示。
表1 生态阻力因子分类和阻力值
Table 1 Classification and value of ecological resistance
factors
一级影响因子二级影响因子分类阻力值地形坡度高程/m坡度/(°)810～1 10011 100～1 30031 300～1 50051 500～1 70071 700～1 78490～313～939～18518～277>279植被覆盖NDVI<090～0.270.2～0.450.4～0.63>0.61水文分布NDWI<090～0.370.3～0.650.6～0.830.8～1.01土地覆盖土地利用数据耕地5林地1灌木林3湿地3草地1水体1建筑用地9裸地7密度因子水网密度路网密度居民点密度0～0.0290.02～0.0570.05～0.0850.08～0.123>0.1210～15915～42742～1075107～2003>20010～0.0210.02～0.0630.06～0.1050.10～0.157>0.159
图5 研究区生态累积阻力面
Fig.5 Ecological cumulative resistance surface in the study area
从研究区生态累积阻力面数据来看，研究区北部大部分地区累积生态阻力较低，仅在鄂尔多斯库布齐沙漠附近以及鄂尔多斯城区与矿区附近有较高的累积生态阻力，研究区南部较多区域生态阻力较大，其中累积生态阻力最大区域主要为南部耕地区域。
2.2.3 潜在复杂生态网络构建
结合已获取的生态源地与累积生态阻力面数据，基于ArcGIS平台的迭代器工具，批量使用cost_path模型生成生态廊道，结合生态廊道与生态源地数据，构建出研究区潜在复杂生态网络，如图6所示。
图6 研究区潜在复杂生态网络
Fig.6 Potentially complex ecological network in the study area
提取得研究区潜在复杂生态网络生态源地共77个，生态节点109个，生态廊道193条。从生态廊道分布情况来看，生态廊道主要在研究区北部与西部分布，研究区东南部生态廊道单一，主要是沿着黄河水体，且研究区东南部生态源地较少，表明研究区东南部生态流通性较差，生态本底与生态流通性有待提升加强。
通过ArcGIS平台对生态廊道与生态源地进行叠加分析，以廊道与源地相交的要素重心为节点，共提取得生态节点109个，其生态节点分布如图7所示。
图7 研究区生态节点廊道分布
Fig.7 Distribution map of ecological node corridors in the
study area
研究区北部生态节点分布较密集，南部生态节点分布较少，表明研究区北部生态廊道轨迹更复杂，南部生态廊道轨迹较简单。
2.3 生态节点度中心性计算与增边节点识别
通过Matlab软件将研究区生态网络模拟为邻接矩阵，通过Matlab计算生态网络中所有节点的度中心性，其结果如图8所示。
图8 生态节点度中心性计算结果
Fig.8 Calculation results of ecological node degree centrality
分析图8节点度中心性计算结果，研究区生态网络中有1个点其度中心性为0，有7个点其度中心性为0.01，这8个节点的度中心较差，结合研究区景观格局生态风险量化结果进行分析，仍有多个节点位置处于生态风险中高区域，且其度中心性相较于周围其他节点较小，这类节点的度中心性同样较差。
结合矿区景观生态风险的研究结果，将分布在矿区景观生态风险中高区域的节点筛选出来，在此基础上，再将各中高风险区域中度中心性最差的几个节点二次筛选出来，将第2次筛选所得的节点识别为须要增边优化节点，其空间位置分布如图9所示。
图9 研究区增边节点分布
Fig.9 Distribution map of added edge nodes in the study area
增边节点主要分布在研究区北部矿区与红海子湿地附近，研究区南部有一个增边节点，综合考虑各增边节点分布与增边节点拓扑结构，基于ArcGIS平台cost_path模型尝试为各个节点进行模拟增边优化，尽可能使其在当前的阻力条件下与周围节点形成生态廊道，所有增边节点模拟增边优化结果如图10所示。
图10 研究区模拟增边优化增边分布
Fig.10 Distribution map of simulated and optimized
margin increase in the study area
为所有增边节点进行模拟增边优化后，成功为其中7个节点生成6条生态廊道，另外3个节点模拟增边后生成的生态廊道须通过其他节点，故认定这3个节点的模拟增边失败，表明这3个节点周围的生态本底无法满足构建生态廊道的条件，其他模拟增边成功的增边节点，其周边生态环境足够支撑其与周围节点增强连通性，构建生态廊道。
2.4 鲁棒性分析
基于Matlab软件平台，模拟生成研究区模拟增边优化前后的生态网络邻接矩阵，通过Matlab中的矩阵计算，分别模拟对研究区生态网络模拟增边优化前后进行随机节点攻击与恶意节点攻击，其中恶意节点攻击是按照网络生态节点度中心性由大到小的顺序进行攻击。
研究区增边优化前后生态网络在模拟攻击下的边恢复鲁棒性变化如图11所示。
图11 增边优化前、后边恢复鲁棒性变化
Fig.11 Robustness change results of edge restoration before and after edge enhancement optimization
由图11可得:研究区初始生态网络边恢复鲁棒初始值为1，在随机攻击下，网络边恢复鲁棒性下降速度较慢，而后随着攻击节点数据的增多，网络边恢复鲁棒性下降速度先下降后加快，当模拟攻击节点数超过80时，网络边恢复鲁棒性下降速度加快，当攻击节点数为104个时，网络边恢复鲁棒性跌破0.1，网络近乎崩溃;在恶意攻击下，网络边恢复鲁棒性开始下降速度较随机攻击更快，当攻击节点数为92个时，网络边恢复鲁棒性低于0.1，网络近乎崩溃。增边优化后的网络在随机攻击下，边恢复鲁棒性较初始网络下降速度更慢，初始网络在攻击节点数为30时，边恢复鲁棒性跌破0.9，优化后的网络在攻击节点数为38时低于0.9，随着攻击节点数的增加，优化后网络的边恢复鲁棒性下降速度渐渐加快，相较于初始网络无显著区别;在恶意攻击下，优化后网络的边恢复鲁棒性无显著提升，值得注意的是，初始网络在节点攻击数为84个时，边恢复鲁棒性才低于0.2，而优化后网络在攻击节点数为78个时，边恢复鲁棒性就已经逼近0.2，之后维持在0.2，同样在攻击节点数为84个时，跌破0.2。
研究区增边优化前后生态网络在模拟攻击下的点恢复鲁棒性变化如图12所示。
图12 增边优化前、后节点恢复鲁棒性变化
Fig.12 Robustness changes of node restoration before and after edge-added optimization
由图12可得:网络初始的点恢复鲁棒性值为1。初始网络在随机攻击下，其点恢复鲁棒性下降速度较恶意攻击下的下降速度更慢，在节点攻击个数增加至103个时，恶意攻击下的网络点恢复鲁棒性低于0.1，网络近乎崩溃，在节点攻击个数增加至108个时，随机攻击下的网络点恢复鲁棒性低于0.1，网络近乎崩溃。增边优化后的网络，在随机攻击下，网络点恢复鲁棒性在节点攻击个数低于48个前，网络节点恢复鲁棒性值高于初始网络随机攻击下的节点恢复鲁棒性值，当攻击个数达到51个时，优化后的网络节点恢复鲁棒性值低于0.9，此时初始网络节点恢复鲁棒性值仍维持在0.9之上，在节点攻击个数到达58个之后，优化后的网络节点恢复鲁棒性下降速度大致较初始网络更慢;在恶意攻击下，优化后网络的节点恢复鲁棒性较初始网络无明显变化。
研究区增边优化前后生态网络在模拟攻击下的连接鲁棒性变化如图13所示。
图13 增边优化前、后连接鲁棒性变化
Fig.13 Changes in connection robustness before and after edge-added optimization
由图13可得:初始网络的连接鲁棒性值为0.97，在随机攻击下，网络的连接鲁棒性值下降速度较恶意攻击下更快，当节点攻击个数达到61个时，网络连接鲁棒性不降反升，说明此时网络结构已经崩溃，从连接鲁棒性值上表现出节点个数越少，连接鲁棒性值越大的特点，直至节点均不存在时，连接鲁棒性无限上升。在恶意攻击下，网络连接鲁棒性下降速度较随机攻击更慢，当节点攻击个数达到79个时，网络连接鲁棒性值开始上升，表明网络崩溃，结构彻底变化，连接鲁棒性大幅上升。模拟增边优化后的网络初始连接鲁棒性值为0.98，较初始网络连接鲁棒性初始值略高，其随机攻击与恶意攻击下的连接鲁棒性值下降速度整体来看均慢于初始网络，当节点攻击个数达到68个时，随机攻击下的网络结构崩溃，连接鲁棒性值不降反升，当节点攻击个数达到84个时，恶意攻击下的网络结构彻底改变，连接鲁棒性开始上升。
综合来看，增边优化对于研究区潜在复杂生态网络的边恢复鲁棒性与节点恢复鲁棒性提升均不大，在连接鲁棒性上的提升较为明显。
2.5 讨论与展望
2.5.1 讨 论
研究基于景观生态学与复杂网络理论，对典型黄河流域矿区分布地域——黄河“几”字湾鄂榆地区进行了景观生态风险评估、潜在复杂生态网络提取、基于节点景观生态风险属性与度中心性下的特殊增边节点模拟增边优化以及潜在复杂生态网络优化前后鲁棒性验证等研究工作，识别出研究区中需要进行增边优化的特殊增边节点，成功为其中多半节点进行增边廊道构建，构建出了研究区矿区可实现的生态修复路径。
本研究仍存在一定的不足之处，由于潜在复杂生态网络分析方法仍处于定性分析阶段，没有较完善的量化研究方案，故本次针对矿区生态修复策略的顶层设计探究无法加入与矿区相关的指标来进行更进一步的深入研究与分析，这部分不足也将是未来矿区生态修复顶层设计策略研究的重要内容。
2.5.2 展 望
本研究中，对于矿区潜在复杂生态网络中的特殊增边节点进行了模拟增边，并通过模拟节点攻击进行了模拟增边前后的网络鲁棒性检验，得到结果:在模拟增边优化后，研究区潜在复杂生态网络的连接鲁棒性明显提升。这一结果表明研究区潜在复杂生态网络经过模拟增边优化，即拓扑结构改变，可以实现其功能上的显著提升。网络在节点的增边优化后，实际上完成了网络结构的重新变化，网络中很多节点的度中心性也会随着模拟增边优化发生改变，笔者认为这一改变已经实现了“网络重构”。潜在复杂生态网络可以实现重构，而这一网络是通过对研究区本身的景观构造以及其中各个景观之间的联系进行抽象提取得来的，其生态源地与生态廊道的本质仍是研究区的景观与景观之间的联系，因此，研究区本身的景观也可以实现“重构”，本文将研究区本身景观的重构称为“景观重构”。
基于“景观重构”的概念重新思考矿区开采所带来的区域景观变化。矿区开采生产会对区域内的水资源造成重大影响，而水资源是供给区域植被、湿地以及水体等具备生态功能的景观的根本因素之一，当水资源受到影响发生变化时，实际上区域内的景观已经完全发生了改变。笔者认为这种水资源变化导致的区域景观改变同样应当称为“景观重构”。在研究区鄂榆地区中，毛乌素沙地实现了大面积的重新绿化[48]，原本的荒漠景观大面积的变为荒漠绿洲区与绿洲，其生态功能有了本质上的提升，这种生态功能发生本质改变的景观变化同样也是一种“景观重构”。
基于上述内容，笔者认为:景观重构是指，区域景观在自然因素或人为因素下发生了足以改变区域本身生态服务功能的结构变化或者景观变化，导致变化后的区域生态服务功能与变化前的区域生态服务功能之间产生了巨大差异。
基于笔者所提出的“景观重构”概念，对未来的矿区开发利用与生态修复工作进行理论上的思考。矿区开发与生产活动，获取人类经济社会所需的能源资源，对于矿区所在区域的生态服务功能产生影响，导致其发生变化，表明人为活动能够对区域景观实现景观重构，对改变甚至是抹去区域景观的生态服务功能。通过对矿区进行生态修复工作，重新构造矿区无生态服务功能或者生态服务功能较差的区域，可以实现区域生态服务功能的提升，表明人为活动不光是可以抹去区域景观的生态服务功能，还可以通过正向条件，对区域生态服务功能进行改造和升级。
那么在未来技术不断成熟和发展下，区域景观组成和结构变化对区域生态服务功能的规律被人类掌握，人类即可以实现对于景观与生态服务功能的自由配置与改造，甚至是超越自然原本景观配置下的生态服务功能。目前，人类对于景观以及景观的生态服务功能的掌握，实际还远远未达到进行改造的水平，但是国家大的战略已经提出了这种掌握景观与景观生态服务功能的需求。
2020-09-22，国家主席习近平在第七十五届联合国大会一般性辩论上发表重要讲话，中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和[49]。
2020-12-12，国家主席习近平在气候中心峰会上的讲话中正式宣布:到 2030 年，中国单位国内生产总值二氧化碳排放将比 2005 年下降 65% 以上，非化石能源占一次能源消费比重将达到25% 左右，森林蓄积量将比 2005 年增加60亿m3，风电、太阳能发电总装机容量将达到 12 亿kW·h以上[50]。
根据相关领域的学者研究成果[51-53]，中国目前的自然资源条件与模拟下未来几十年的自然资源条件，要实现2060年“碳中和”目标，必须完成当前中国自然资源景观生态服务功能的升级，“景观重构”是必要的升级景观生态服务功能的研究。通过景观重构，使得中国自然资源固碳能力超越当前无法满足“碳中和”目标的自然情况。
研究目标不应该仅仅止步于对自然景观生态服务功能的恢复，而应当通过“景观重构”，高效提取地下的能源资源，迅速对提取能源资源后的区域进行景观重构，实现区域景观生态服务功能的升级，而能源资源也可以提取出来并妥善保管。在未来技术条件允许的情况下，人类或许可以实现景观生态服务功能的完全控制，甚至是基于景观重构不断地实现生态服务功能超越与景观生态服务功能地自由配置。
3 结 论
(1)研究区生态风险中高区域主要分布在北部的矿区分布地、南部的耕地分布区域，少数分布在北部黄河两岸耕地区域以及库布齐沙漠南部的荒漠绿洲区。表明南部地耕地、沙漠附近的荒漠绿洲区与矿区分布所在地的景观生态风险较高。
(2)研究区潜在复杂生态网络北部生态廊道分布较多较密，且廊道走向较为复杂，南部生态廊道分布较少，廊道走向较为单一;北部生态节点分布更多，南部生态节点分布更少。表明研究区南部生态流通性较差，生态本底与生态流通性有待提升加强。
(3)研究区模拟增边优化部分节点可成功进行模拟增边，部分节点模拟增边无法成功。模拟增边成功表明节点附近的生态本底足以支撑生态修复，而模拟增边失败表明节点附近的生态本底较差，进行生态修复前应对其生态本底进行提升。
(4)研究区潜在复杂生态网络在增边优化后，网络连接鲁棒性由显著提升，节点恢复鲁棒性与边恢复鲁棒性略有提升但不明显。表明模拟增边优化后的网络连接性会更强，但是模拟增边没有明显提升网络的自我恢复能力，实际上表明，以模拟增边的结果为生态修复路径，能够有效提升研究区的生态连通性，但是对于研究区生态的自我恢复能力提升有限。
[1] 习近平.在黄河流域生态保护和高质量发展座谈会上的讲话[J].中国水利,2019(20):1-3.
XI Jinping.Speech at the symposium on ecological protection and high-quality development of the Yellow River Basin[J].China Water Resources,2019(20):1-3.
[2] 彭苏萍,毕银丽.黄河流域煤矿区生态环境修复关键技术与战略思考[J].煤炭学报,2020,45(4):1211-1221.
PENG Suping,BI Yinli.Strategic consideration and core technology about environmental ecological restoration in coal mine areas in the Yellow River Basin of China[J].Journal of China Coal Society,2020,45(4):1211-1221.
[3] 吴钢,魏东,周政达,等.我国大型煤炭基地建设的生态恢复技术研究综述[J].生态学报,2014,34(11):2812-2820.
WU Gang,WEI Dong,ZHOU Zhengda,et al.A review of the research on ecological restoration technology for the construction of large coal bases in China[J].Acta Ecologica Sinica,2014,34(11):2812-2820.
[4] 金凤君.黄河流域生态保护与高质量发展的协调推进策略[J].改革,2019,39(11):33-39.
JIN Fengjun.Coordinated promotion strategy of ecological protection and high-quality development in the Yellow River Basin[J].Reform,2019,39(11):33-39.
[5] 习近平.在黄河流域生态保护和高质量发展座谈会上的讲话[J].当代广西.2019(20):11-13.
XI Jinping.Speech at the symposium on ecological protection and high quality development of the Yellow River Basin[J].Contemporary Guangxi，2019(20):11-13.
[6] 关伟,许淑婷,郭岫垚.黄河流域能源综合效率的时空演变与驱动因素[J].资源科学,2020,42(1):150-158.
GUAN Wei,XU Shuting,GUO Xiuyao.Spatiotemporal change and driving factors of comprehensive energy efficiency in the Yellow River Basin[J].Resources Science,2020,42(1):150-158.
[7] 彭苏萍.黄河流域高质量发展亟须重视煤矿区生态修复[N].中国科学报,2020-09-07(001).
[8] 邓祥征,杨开忠,单菁菁，等.黄河流域城市群与产业转型发展[J].自然资源学报,2021,36(2):273-289.
DENG Xiangzheng,YANG Kaizhong,SHAN Jingjing,et al.Urban agglomeration and industrial transformation and development in the Yellow River Basin[J].Journal of Natural Resources,2021,36(2):273-289.
[9] 张树奎,张楠,江红.煤炭开采对水资源量影响分区研究[J].水利水电技术,2015,46(10):12-16.
ZHANG Shukui,ZHANG Nan,JIANG Hong.Study on zones under impact from coal mining on quantity of water resources[J].Water Resources and Hydropower Engineering,2015,46(10):12-16.
[10] 董震雨,王双明.采煤对陕北榆溪河流域地下水资源的影响分析——以杭来湾煤矿开采区为例[J].干旱区资源与环境,2017,31(3):185-190.
DONG Zhenyu,WANG Shuangming.Influence of coal exploitation on groundwater resources in Yuxi river valley of northern Shaanxi[J].Journal of Arid Land Resources and Environment,2017,31(3):185-190.
[11] 高国雄,高保山,周心澄，等.国外工矿区土地复垦动态研究[J].水土保持研究,2001,8(1):98-103.
GAO Guoxiong,GAO Baoshan,ZHOU Xincheng,et al.Research of developments on land reclamation of the foreign factory mineral Area[J].Research of Soil and Water Conservation,2001,8(1):98-103.
[12] 郭光.内蒙古乌海市新星矿区露天煤矿生态修复治理规划研究[D].北京:北京林业大学,2020.
GUO Guang.Study on open-pit coal mine ecological restoration and planning in Xinxing mining area,Wuhai city,inner Mongolia[D].Beijing:Beijing Forestry University,2020.
[13] 胡振琪,杨秀红,鲍艳等.论矿区生态环境修复[J].科技导报,2005(1):38-41.
HU Zhenqi,YANG Xiuhong,BAO Yan,et al.On the restoration of mine eco-enviroment[J].Science & Technology Review,2005(1):38-41.
[14] 王云凤,魏忠义.露天矿土地复垦的景观地形恢复综述[J].金属矿山,2012,41(9):146-149.
WANG Yunfeng,WEI Zhongyi.Landscape terrain restoration of land reclamation in open-pit mining[J].Metal Mine,2012,41(9):146-149.
[15] 余雪.美国矿山环境治理[J].国土资源,2001(2):52.
YU Xue.U.S.Mine Environmental Governance[J].Land & Resources,2001(2):52.
[16] 张晓薇.半干旱地区矿区废弃地土壤与植被演化规律研究[D].阜新:辽宁工程技术大学,2006.
ZHANG Xiaowei.Researches on the succession order of the soil and vegetation in the abandoned field of the mining area in the semi-arid region[D].Fuxin:Liaoning Technical University,2006.
[17] 邢龙飞.基于GIS的露天矿区景观生态网络格局研究[D].徐州:中国矿业大学,2019.
XING Longfei.Study on landscape ecological network pattern of open-pit mining area based on GIS[D].Xuzhou:China University of Mining and Technology,2019.
[18] 雷少刚,肖浩宇,郄晨龙,等.开采沉陷对关键土壤物理性质影响的相似模拟实验研究[J].煤炭学报,2017,42(2):300-307.
LEI Shaogang,XIAO Haoyu,QIE Chenlong,et al.Similar simulation experiment on the influence of mining subsidence on the key physical properties of soil[J].Journal of China Coal Society,2017,42(2):300-307.
[19] 王平,王金满,秦倩，等.黄土区采煤塌陷对土壤水力特性的影响[J].水土保持学报,2016,30(3):297-304.
WANG Ping,WANG Jinman,QIN Qian,et al.Effects of Land Subsidence on Soil Hydraulic Properties in Mining Area of the Loess Plateau[J].Journal of Soil and Water Conservation,2016,30(3):297-304.
[20] YANG Dejun,BIAN Zhengfu,LEI Shaogang.Impact on soil physical qualities by the subsidence of coal mining:A case study in Western China[J].Environmental Earth Sciences,2016,75(8):1-14.
[21] 毕银丽,龚云丽,杨惠惠.微生物复垦区接菌沙棘叶绿素含量光谱估测[J].中国矿业大学学报,2021,50(1):190-196.
BI Yinli,GONG Yunli,YANG Huihui.Spectrum evaluation on chlorophyll content of Hippophaerhamnoides inoculated fungi in microbial reclamation areas[J].Journal of China University of Mining & Technology,2021,50(1):190-196.
[22] 毕银丽,郭晨,肖礼，等.微生物复垦后土壤有机碳组分及其高光谱敏感性识别效应[J].煤炭学报,2020,45(12):4170-4177.
BI Yinli,GUO Chen,XIAO Li,et al.Identification of soil organic carbon components and hyperspectral sensitivity in microbial reclamation area[J].Journal of China Coal Society,2020,45(12):4170-4177.
[23] 毕银丽,李向磊,彭苏萍，等.露天矿区植物多样性与土壤养分空间变异性特征[J].煤炭科学技术,2020,48(12):205-213.
BI Yinli,LI Xianglei,PENG Suping,et al.Characteristics of spatial variability of plant diversity and soil nutrients in open-pit mining area[J].Coal Science and Technology,2020,48(12):205-213.
[24] 毕银丽,胡晶晶,刘京.煤矿微生物复垦区灌木林下土壤养分的空间异质性[J].煤炭学报,2020,45(8):2908-2917.
BI Yinli,HU Jingjing,LIU Jing.Spatial heterogeneity of soil nutrients under shrubbery in micro-reclamation demonstration base in coal mine areas of China[J].Journal of China Coal Society,2020,45(8):2908-2917.
[25] 毕银丽,郭晨,王坤.煤矿区复垦土壤的生物改良研究进展[J].煤炭科学技术,2020,48(4):52-59.
BI Yinli,GUO Chen,WANG Kun.Research progress of biological improvement of reclaimed soil in coal mining area[J].Coal Science and Technology,2020,48(4):52-59.
[26] 刘英,雷少刚,程林森，等.采煤塌陷影响下土壤含水量变化对柠条气孔导度、蒸腾与光合作用速率的影响[J].生态学报,2018,38(9):3069-3077.
LIU Ying,LEI Shaogang,CHENG Linsen,et al.Effects of soil water content on stomatal conductance,transpiration,and photosynthetic rate of Caragana korshinskii under the influence of coal mining subsidence[J].Acta Ecologica Sinica,2018,38(9):3069-3077.
[27] 张树奎,张楠,江红.煤炭开采对水资源量影响分区研究[J].水利水电技术,2015,46(10):12-16.
ZHANG Shukui,ZHANG Nan,JIANG Hong.Study on zones under impact from coal mining on quantity of water resources[J].Water Resources and Hydropower Engineering,2015,46(10):12-16.
[28] 李雅婷,赵牡丹,张帅兵，等.基于景观结构的眉县土地利用生态风险空间特征[J].水土保持研究,2018,25(5):220-225,233.
LI Yating,ZHAO Mudan,ZHANG Shuaibing,et al.Analysis of the characteristics of land utilization ecological risk space of Meixian County Based on landscape structure[J].Research of Soil and Water Conservation,2018,25(5):220-225,233.
[29] 吕乐婷,张杰,孙才志，等.基于土地利用变化的细河流域景观生态风险评估[J].生态学报,2018,38(16):5952-5960.
LÜ Leting,ZHANG Jie,SUN Caizhi,et al.Landscapeecological risk assessment of Xi river Basin based on land-use change[J].Acta Ecologica Sinica,2018,38(16):5952-5960.
[30] 于强,刘智丽,岳德鹏，等.磴口县生态网络多情景模拟研究[J].农业机械学报,2018,49(2):182-190.
YU Qiang,LIU Zhili,YUE Depeng,et al.Multi-scenario simulation of ecological networks in dengkou county[J].Transactions of the Chinese Society for Agricultural Machinery,2018,49(2):182-190.
[31] ULANOWICZ R E.Quantitative methods for ecological network analysis[J].Computational Biology & Chemistry,2004,28(5-6):321-339.
[32] FATH B D,SCHARLER U M,ULANOWICZ R E,et al.Ecological network analysis:Network construction[J].Ecological Modelling,2017,208(1):49-55.
[33] BRUINDERINK G G,SLUIS T V D,LAMMERTSMA D,et al.Designing a coherent ecological network for large mammals in northwestern Europe[J].Conservation Biology,2003,17(2):549-557.
[34] 尹海伟,孔繁花,祈毅，等.湖南省城市群生态网络构建与优化[J].生态学报,2011,31(10):2863-2874.
YIN Haiwei,KONG Fanhua,QI Yi,et al.Developing and optimizing ecological networks in urban agglomeration of Hunan Province[J].Acta Ecologica Sinica,2011,31(10):2863-2874.
[35] 黄柳菁,肖荣波,李智山.在ArcGIS支持下的广州生物多样性保护廊道规划[J].中国园林,2014,30(10):98-101.
HUANG Liujing,XIAO Rongbo,LI Zhishan.Biodiversity conservation corridor planning of guangzhou with the support of arcGIS[J].Chinese Landscape Architecture,2014,30(10):98-101.
[36] 于强.基于复杂网络理论的荒漠绿洲区生态网络研究[D].北京:北京林业大学,2018.
YU Qiang.Research on ecological network of desert oasis based on complex network theory[D].Beijing:Beijing Forestry University,2018.
[37] 乔少杰,韩楠,张凯峰，等.复杂网络大数据中重叠社区检测算法[J].软件学报,2017,28(3):631-647.
QIAO Shaojie,HAN Nan,ZHANG Kaifeng,et al.Algorithm for detecting overlapping communities from complex network big data[J].Journal of Software,2017,28(3):631-647.
[38] 董迪,安海忠,郝晓晴，等.基于复杂网络的国际铜矿石贸易格局[J].经济地理,2016,36(10):93-101.
DONG Di,AN Haizhong,HAO Xiaoqing,et al.International copper ore trade pattern based on complex network theory[J].Economic Geography,2016,36(10):93-101.
[39] SPORNS O.The human connectome:A complex network[J].Annals of the New York Academy of Sciences,2012,136(S1):528.
[40] 于强,岳德鹏,张启斌，等.磴口县景观格局演变特征及生态网络构建[J].中国沙漠,2017,37(3):601-609.
YU Qiang,YUE Depeng,ZHANG Qibin,et al.The evolution of landscape pattern and the construction of ecological infrastructure network in Dengkou,Inner Mongolia[J].Journal of Desert Research,2017,37(3):601-609.
[41] 牛腾,岳德鹏,张启斌，等.潜在生态网络空间结构与特性研究[J].农业机械学报,2019,50(8):166-175.
NIU Teng,YUE Depeng,ZHANG Qibin,et al.Spatial structure and characteristics of potential ecological networks[J].Transactions of the Chinese Society for Agricultural Machinery,2019,50(8):166-175.
[42] 王戈,卢杰,于强，等.基于复杂网络理论的西藏巴宜区森林景观空间结构研究[J/OL].农业机械学报:1-15[2021-02-28].http://kns.cnki.net/kcms/detail/11.1964.S.20210225.1120.002.html.
WANG Ge,LU Jie,YU Qiang,et al.Forest Ecological Network Construction and Structure Evaluation in Linzhi County[J/OL].Transactions of the Chinese Society for Agricultural Machinery:1-15[2021-02-28].http://kns.cnki.net/kcms/detail/11.1964.S.20210225.1120.002.html.
[43] 和春兰,普军伟,沈金祥.2005-2018年澜沧江下游流域景观生态安全时空变化及其驱动因素[J].水土保持通报,2020,40(4):219-227.
HE Chunlan,PU Junwei,SHEN Jinxiang.Spatial-temporal changes and driving mechanisms of landscape ecological security in lower reaches of Lancang River During 2005-2018[J].Bulletin of Soil and Water Conservation,2020,40(4):219-227.
[44] 黎启燃,刘辉.基于景观结构的土地利用生态风险分析[J].福州大学学报(自然科学版),2014,42(1):62-69.
LI Qiran,LIU Hui.Eco-risk analysis of land use based on landscape structure[J].Journal of Fuzhou University(Natural Science Edition),2014,42(1):62-69.
[45] 苏英慧,邸晓慧,明弘，等.基于土地景观格局的重庆市永川区生态风险评价[J].水土保持通报,2020,40(3):195-201,215.
SU Yinghui,DI Xiaohui,MING Hong,et al.Ecological risk assessment in yongchuan district of chongqing city based on landscape pattern[J].Bulletin of Soil and Water Conservation,2020,40(3):195-201,215.
[46] 李保杰.矿区土地景观格局演变及其生态效应研究[D].徐州:中国矿业大学,2014.
LI Baojie.Study on landscape pattern changes and ecological effects in mining area-a case study in jiawang mining area[D].Xuzhou:China University of Mining and Technology,2014.
[47] 卢鹏丽,于洲.基于度与H指数扩展的复杂网络节点排序方法[J].兰州理工大学学报,2020,46(5):100-106.
LU Pengli,YU Zhou.A method for sorting nodes in complex networks based on degree and H index expansion[J].Journal of Lanzhou University of Technology,2020,46(5):100-106.
[48] 张海月.毛乌素沙地生态修复评价[D].北京:北京林业大学,2020.
ZHANG Haiyue.Evaluation of ecological restoration in Mu Us Sandy Land-Take Etuoke Banner as an example[D].Beijing:Beijing Forestry University,2020.
[49] 习近平.中国力争碳排放2030年前达到峰值,努力争取2060年前实现碳中和[J].今日制造与升级,2020(9):10.
XI Jinping.China strives to reach its peak carbon emissions by 2030,and strives to achieve carbon neutrality by 2060[J].Manufacture & Upgrading Today,2020(9):10.
[50] 习近平.继往开来,开启全球应对气候变化新征程——在气候雄心峰会上的讲话[J].中华人民共和国国务院公报,2020(35):7.
XI Jinping.Carry on the past and face the future,Start a new journey of global response to climate change—Speech at the Climate Ambition Summit[J].Gazette of the State Council of the People’s Republic of China,2020(35):7.
[51] TANG X,ZHAO X,BAI Y,et al.Carbon pools in China’s terrestrial ecosystems:New estimates based on an intensive field survey[J].Proceedings of the National Academy of Sciences,2018,115(16):4021-4026.
[52] WANG J,FENG L,PALMER P I,et al.Large Chinese land carbon sink estimated from atmospheric carbon dioxide data[J].Nature.,2020,58(6):720-723.
[53] NIANPENG HE,DING,et al.Vegetation carbon sequestration in Chinese forests from 2010 to 2050[J].Global Change Biology,2017,23(4):1575-1584.
01