“山水林田湖草沙生命共同体”是由多种自然要素构成的有机整体，涵盖山、水、林、田、湖、草、沙等景观单元，既是人类赖以生存和实现可持续发展的重要载体，也是具有复杂结构与多重功能的特殊生态系统^［1］。山水林田湖草沙要素的时空演变反映了不同生态系统之间的相互依存与制约关系，有助于深入理解能量转换、物质循环与生态互作的过程机制^［2］。传统生态修复多侧重单一要素治理，而“山水林田湖草沙生命共同体”理念，要求以系统整体性为核心，推动生态保护由要素分治向多要素协同转变^［3］。这种转变标志着生态治理模式正由“要素管控”走向“系统涌现”，为全球生态修复提供了以协同优化为导向的中国范式^［4］。因此，从地理空间角度系统揭示山水林田湖草沙要素的时空演变特征与驱动机制，对于破解治理碎片化困境、优化要素间能量与物质流动格局、促进区域生态安全与高质量发展具有重要意义^［5］。

祁连山位于中国西北干旱区，是河西走廊内陆河流域的核心水源区，也是国家生物多样性保护优先区域^［6-7］。其独特的山地-绿洲-荒漠复合结构，形成了森林、草原、湿地、农田、沙地等多类型景观共存的复杂生态系统，是典型的“山水林田湖草沙生命共同体”缩影^［8］。国内学者已从生命共同体的内涵^［9-11］、外延^［12-14］、逻辑框架^［15-17］、评价模型^［18-20］等角度展开研究，并在祁连山水资源效率^［21］、系统变化驱动因素^［22］及生态修复路径^［23］等方面取得了重要成果。这些研究从哲学与社会科学视角揭示了生命共同体的理论基础，也在自然科学层面揭示了祁连山生态系统结构与服务功能特征。然而，祁连山作为典型的水-生态-经济复合系统，现有研究多聚焦生态服务功能或单要素变化，缺乏对山水林田湖草沙多要素时空耦合过程的系统刻画，这在一定程度上制约了其生态功能协同提升与综合效益优化^［24］。

在国际学界，生态系统治理理念经历了由单一生态修复向“社会-生态系统（Social-Ecological System，SES）”与“基于自然的解决方案（Nature-based Solutions，NbS）”框架的转变^［25-26］。自《联合国生态系统修复十年计划（2021—2030）》实施以来，研究重点逐步聚焦于生态系统服务（Ecosystem Services，ES）功能提升、生物多样性保护与生态效益评估^［27-28］，形成了以生态功能优化与政策评估为核心的研究体系。尽管在生态服务价值量化、碳汇评估与生态系统恢复模拟等方面取得了显著进展，但这些研究普遍存在功能导向强而空间刻画不足的特点，景观多要素间的协同演化关系仍停留在定性分析层面^［29-30］。传统的驱动机制分析方法，如结构方程模型（SEM）与地理加权回归（GWR），虽能揭示因子间的方向性关系，但难以刻画自然与人类活动的非线性交互效应及空间差异性。地理探测器方法能够识别多因子对景观格局的空间解释力，并量化其交互增强效应和非线性特征，从而突破传统模型在多要素空间关系分析中的局限。

基于此，本文以祁连山自然保护区为研究基底，基于1980—2023年长时序景观格局数据，综合运用景观动力学与地理探测器模型，从空间结构重构与驱动机制识别两个维度出发，定量揭示山水林田湖草沙要素的时空演变特征。与以往仅聚焦生态功能或单因素相关分析的研究不同，本研究实现了生命共同体多要素协同演化关系的空间量化与驱动机制识别，为生命共同体理念的地理化表达及生态修复协同机制研究提供了新的理论基础与技术路径。

祁连山（36°30′—39°30′N，93°30′—103°00′E），位于西北地区甘肃与青海两省的交界地带，属于典型的山地半干旱气候，年均气温为0.6 ℃，年降水量300~700 mm，年蒸发量超过了1 000 mm。祁连山地区自然资源丰富，包括冰川积雪、森林、草地、湖泊、荒漠、河流和耕地，是一个典型的山水林田湖草沙生命共同体，各类资源在不同海拔和空间位置上分布不均。林地主要分布于海拔2 500~3 500 m的中海拔山谷地带，覆盖面积约占祁连山总面积的8.5%，草地广泛分布于海拔2 000~4 500 m的中高山区，占区域总面积的44.2%；水域多为高山湖泊，主要为青海湖及哈拉湖及高原冰川区，占区域总面积的7%；沙地主要分布于西北部及海拔较低的区域，占区域总面积的约10.9%；田地面积相对较少，集中于东部河谷地区，约占总面积的2.9%（图1）。

本文涉及的1980、1990、1995、2000、2005、2010、2015、2020、2023年景观要素类型数据来源于中国科学院资源环境科学与数据中心（http：//www.resdc.cn），1980—2023年中国气象数据集来源于国家地球科学数据中心（http：//www.geodata.cn/），高程数据来自地理空间数据云（https：//www.gscloud.cn/）。依据中国多时期景观要素类型空间分布数据遥感监测数据集，结合本研究的实际需要，将原数据集中的农田、森林、草地、水体与湿地、荒漠、聚落以及其他生态系统类型依次对应重分类为田地、林地、草地、水域、沙地、居民地、未利用地等7个景观要素类型。由于数据影像的空间分辨率存在差异，本研究利用ArcGIS Pro软件通过重采样将栅格影像的空间分辨率统一输出为1 km，投影方式采用Albers投影，利用祁连山自然保护区矢量边界分别对9个年份的数据进行掩膜处理，得到各年份祁连山山水林田湖草沙景观类型分布数据（图1）。

景观要素转移矩阵是用于描述不同景观要素类型在不同时期间的相互转化及其空间分布变化的常用定量方法。通过对转移矩阵的分析，可以直观地揭示某一景观要素类型在研究期间的时空演化规律^［31］。

式中：S为景观要素类型面积；n为景观要素的类型数；i，j分别为研究期间开始和结束时的景观要素类型。

景观要素动态度。景观要素动态度是用来表示单位时间内不同类型景观要素变化特性的重要指标，能够深入揭示景观要素的变化趋势。单一景观要素动态度是单位时间内某一景观要素面积数值的单一变化情况，能从微观层面反映出其变化速率：

综合动态度是研究时段内所有景观要素的综合变化情况，能够定量综合地反映景观要素的变化速度：

式中：Ｋ为研究期内某种景观要素类型的动态度；L为任一研究时段内的景观要素转化的综合动态度；U_i 、U_j 分别为研究初期及末期某种景观类型的面积；n为景观类型数（n=1，2，3，…）；T为研究时段长度。

最优参数地理探测器（OPGD）通过比较不同空间要素之间的方差来评估各影响因子的解释力。地理探测器通过多种检验方法来量化变量之间的关系，其中最为常用的是因子探测器和交互作用探测器。因子探测器主要通过计算空间分异性的解释度，评估单一因素对目标变量空间分布的影响；而交互作用探测器则用于揭示不同因素之间的交互效应，并判断它们共同对因变量空间分异性的贡献。

因子探测器。探测景观转移动态度的空间异质性，明确各驱动因素对景观转移动态度空间异质性的解释程度，用q值表示：

式中：L为因变量或变量的分层；N和N_h 分别为区域或h层某种因子的栅格数量；σ²和σh2分别为全域和h层的方差；SSW和SST分别为不同层内方差之和与全区总方差；q为驱动因素对山水林田湖草沙景观要素空间异质性的解释力，范围为0~1，值越大，表示驱动因素对山水林田湖草沙景观要素转化动态度空间异质性解释力越强。

交互探测器。交互探测器用于评估两个因子共同作用时对现象的解释力。其核心思想是通过比较单一因子和因子交互时的q值，判断因子间的交互作用类型。若有两个因子A和B，其交互作用q值的计算公式为：

交互类型的判断规则为：若q（A∩B）>q（A）+ q（B），则为双因子增强。若q（A∩B）=q（A）+q（B），则为双因子独立。若q（A∩B）<q（A）+q（B），则为双因子弱化。

参数优化。对每个驱动因子采用多种离散化方法（如自然断点、等距分箱、等频分箱等）及不同分箱数量进行多轮划分，计算不同组合情况下驱动因子对景观类型空间分布的q值，选择最高q值的参数组合作为最佳离散化方法。

从景观类型分布来看，草地、未利用地、沙地是祁连山主要的景观类型（表1），2023年面积分别达到85 840、41 650、28 767 km²，分别占总面积的44.55%、21.62%、14.93%。草地呈现先减少后增加趋势，从1980年的82 183 km²增加至2023年的85 840 km²，在1990—1995年呈骤降趋势，占比从43%锐减至38%；沙地面积变化与草地相反，呈现先增加后减少趋势，由1980年的43 794 km²增加至2015年的43 969 km²，但在2015—2020年急剧减少，所占比例骤减至15%。田地面积总体表现为增长趋势，并在2020年达到峰值，从1980年的5 835 km²增加至2020年6 157 km²，2023年有所衰减。水域面积较为稳定，在1995年达到峰值，为13 778 km²，此后时间内面积逐渐减少，在2023年重新增加为13 103 km²。林地面积整体呈微弱减小的趋势。

近43年来，祁连山景观要素的转化自东向西具有明显的分散态势，主要表现为西北部沙地退缩、中部水域连片增加，东部田、林地集中扩张的趋势（图2）。西部早期沙呈大斑块集聚分布，2015年时大面积沙地被草地分割，由聚集大斑块逐步裂解成分散性小面积沙地，2023年被草地连片所侵占。中部水域扩张趋于稳定，呈团簇式集中分布于青海湖、哈拉湖及高海拔冰川区，而后不断以湖泊、冰川为核心，向四周逐步蔓延。田地、林地主要分布在平坦的东南部地区，田地以人类活动区域为中心，沿城市边缘地带呈大面积形态聚集扩张，林地发展趋于稳定，沿祁连山脉自西向东绵延分布，整体空间格局相对集中。

从景观要素转化角度看，沙地转草地、林地转草地、草地转沙地是主要的转化类型，分别占总转化面积的23%、17%、15%。其中，1980—1990年以沙地转草地为主，面积为7 740 km²；1990—1995年以草地转沙地为主，面积为9 665 km²；1995—2000年以沙地转草地为主，面积为9 376 km²，2000—2005年以草地转田地为主，面积为95 km²，2005—2010年以草地转田地为主，面积为30 km²；2010—2015年以沙地转水域为主，面积为61 km²，2015—2020年以沙地转草地为主，面积达到9 106 km²，2020—2023年以草地转沙地为主，面积达10 992 km²（图3）。

祁连山景观变化呈现出明显的阶段性波动趋势，综合动态度总体呈增加趋势，但不同阶段波动幅度显著（表2）。1990—1995年为首次剧烈波动阶段，综合动态度跃升至7.95%，主要受干旱气候叠加耕地扩张、超载放牧等人类活动影响，草地迅速退化，水域变化剧烈，景观格局发生明显突变。1995—2000年虽略有回落，但动态度依然维持在高位7.76%，景观系统仍处于不稳定状态。2000—2015年，区域景观动态度整体趋缓，多个要素变化速率接近于零，反映出生态系统进入相对稳定阶段。至2020—2023年，综合动态度升至11.82%，为研究期内最大值，标志着区域景观进入快速重构阶段，景观系统在政策调控与自然过程耦合作用下发生显著调整。

从单类景观要素来看，动态度的最大正向变化出现在2015—2020年未利用地类型年均动态度为6.41%，这可能是由于气温上升，冰川积雪覆盖区消融后形成新生的未利用地。最显著负向变化则出现在2015—2020年沙地类型动态度为-6.93%，表明沙化过程在该阶段得到显著遏制，防风固沙、封育禁牧与退化地修复等治理措施取得实效。

景观要素演替受多种因素交互综合作用的影响而呈现明显的空间差异特征。图4展示了不同景观类型在气象因子、地形因子与人类活动因子驱动下的响应差异，反映出各类景观类型空间分异背后的多因子协同作用机制。其中，气象因子（如降水、湿度、气温、地表温度、蒸散发）对林地与草地、水体变化的q值较高，反映出生态敏感型景观的变化高度依赖水热条件基础。例如，湿度与降水对林地（0.104、0.100）、草地（0.051、0.061）、水域（0.024、0.015）的驱动作用均处于高位区间。相较之下，居民地与田地则呈现出显著的人类活动主导特征。居民地与田地分别在人口密度（q=0.028、0.140）与夜间灯光（q= 0.038、0.077）方面表现出较高响应，人口密度对林地、草地的驱动值也相对较高，分别为0.034、0.021。值得注意的是，人口密度对沙地（0.107）、未利用地（0.052）有着较高的驱动值，这是由于其主要分布于无人区或开发受限的区域，因此促成了负向的驱动作用。地形因子（高程、坡度、地貌）在分析中的q值普遍偏低，未呈现显著性驱动特征。然而，高程q值在林地（0.028）、未利用地（0.086）、沙地（0.028）等均分布于中高区段，且呈现出明显的稳定性，说明地形条件虽然并非主导变化因子，却在景观格局形成中发挥着重要的基础性约束作用。

交互作用探测是为了识别不同驱动因子之间的交互作用，能够评估每两个因子共同作用时会增加还是削弱对因变量Y的解释力，或者各因子所产生的影响是相互独立的。祁连山因子间的交互作用主要表现为非线性增强或双因子增强，即两因子共同作用于景观要素演变的影响要大于单因子，二者间非相互独立或减弱的关系（图5）。从各景观类型来看，田地的交互作用最为显著，整体q值普遍高于0.37，地表温度-湿度、气温-降水、人口密度-蒸散发等组合的增强作用最强，表现出明显的非线性增强特征。这表明田地格局受水热条件及人类耕作强度共同调节，水分充足与适宜温度共同促进田地空间集中，而在人口密集区，热量与蒸散发叠加进一步强化了田地分布差异。林地的交互效应整体较弱，q值为0.10~0.38，其中气温-降水与地貌-湿度等组合的增强作用最为明显，说明林地主要受气候和地形的共同影响，高程差异通过调节局地水热条件影响林地的垂直分布格局。草地的交互作用q值为0.07~0.26，主要体现为水热协同控制特征，气温-湿度、降水-地貌及气温-蒸散发等组合作用显著，反映出草地对气候波动与能量通量变化的高度敏感性。

水域的交互结构与草地相似，水热因子之间的耦合效应最强，降水-蒸散发和气温-湿度组合的q值最高（0.23~0.25），说明水域格局主要受区域水循环与能量平衡共同调控，降水补给与蒸散消耗的平衡决定水域的稳定性。同时，地貌-高程的增强效应揭示地形在水域聚集过程中的空间控制作用。居民地的交互作用以人类活动因子为主导，夜间灯光-气温和人口密度-地表温度的q值较高（0.46~0.51），表现出明显的非线性增强效应，说明居民地扩张与地表热力环境变化密切相关，人口集聚与热量积累共同增强了城市热环境的空间差异，而降水-坡度等自然因子组合作用较弱，表明自然约束对居民地分布的限制已显著降低。

沙地的交互q值集中在0.45~0.65，为典型的显著增强类型，高程-降水、地貌-气温及降水-蒸散发的组合作用最强，表明沙地演化主要受地形与气候因子耦合控制。当降水不足或热量过剩时，气候与地形因子共同强化干旱化与沙化过程，导致沙地面积扩大。未利用地的交互q值为0.15~0.35，主要由高程-降水与地貌-气温等自然因子组合主导。其空间响应表现为高海拔与低降水区的自然胁迫叠加强化，说明未利用地主要受地形约束与气候胁迫的共同影响，人类活动作用相对有限。

总体来看，田地和沙地的交互作用最强，居民地次之，林地和草地相对较弱，未利用地居中。自然因子之间以非线性增强为主，而自然与社会因子之间多呈线性增强。祁连山地区景观格局的形成具有显著的气候-地形-人类活动复合驱动特征，不同景观类型对水热条件与地形梯度的响应差异显著，体现出复杂的生态-社会耦合机制。

各景观类型在高程、蒸散发、降水、气温、地表温度、坡度、地貌、人口密度、夜间灯光和湿度等驱动因子的最优区间存在显著差异（图6）。

在气象因子方面，草地的蒸散发最优区间高达72.6~84.5 mm，林地为52.9~60.1 mm，水域为13.5~24.3 mm，沙地和未利用地分别为13.5~25.3 mm和27.7~41.9 mm。降水最优区间方面，林地和草地分别为38.6~49.7 mm和26.4~34.1 mm，水域为31.3~38.1 mm，田地为34.1~41.9 mm，居民地和沙地为35.2~39.2 mm和3.0~10.8 mm，未利用地则为10.8~18.6 mm。在高程区间方面，林地最优区间为2 950~3 320 m，草地为3 630~3 950 m，沙地为2 280~2 950 m，水域为4 970~5 640 m，田地和居民地则集中在2 280~3 030 m和2 280~2 960 m，未利用地分布在4 330~5 640 m。可见，林地、草地、未利用地显著偏向高海拔区域，而田地、居民地则集中在中低海拔带。气温区间显示，林地（6.7~8.1 ℃）、草地（5.8~7.2 ℃）和未利用地（6.2~7.8 ℃）均处于较低水平，沙地、田地、居民地和水域则区间略高但差异不大。

在人类活动因子方面，田地和居民地的最优人口密度区间分别为1 446~3 400人·km^-²和1 870~3 540人·km^-²，夜间灯光强度区间分别为2 660~4 720和2 340~4 720。其余景观类型驱动作用普遍较低，大部分处于1~3，说明其分布主要受限于自然环境与人为扰动较弱区域。

在地形因子方面，林地、草地和未利用地的坡度区间较大，分别为26.71°~75.4°、12.1°~15.9°和13.8°~20.7°，显示出这些类型对地形扰动有一定适应性。水域、田地、居民地、沙地等集中分布于3°~8.6°的平缓坡度范围内。地貌区间同样反映了景观类型在不同海拔、地形起伏度下山地、河谷与台地间的分布差异，其中草地主要集中于起伏度较缓区域，林地、水域、沙地主要位于高起伏山区，田地、居民地等位于小起伏山区及高海拔丘陵域，未利用地主要分布于中起伏山区。

综上所述，不同景观类型在主导驱动因子上的最优区间分布规律明确，体现了各自独特的生态适应性和空间分异特征。这一发现不仅为生态恢复、景观资源优化与空间管理提供了量化依据，也为制定差异化调控策略和“因地制宜”的生态管理措施提供了理论支撑。

景观单元规模改变是自然因素与人为因素等综合作用的结果，其时空变化不仅影响着区域生态环境和资源配置，也反映了社会经济发展与政策调控的综合效应^［32］。时间尺度上，1980—1995年，草地面积显著萎缩，未利用地和沙地快速扩张，表征出以生态退化为主导的阶段性特征。此阶段的主要驱动力来源于过度放牧、无序采矿、旅游基础设施扩张等人类干扰，导致草地系统破碎化与生态功能下降^［33］。类似的退化阶段亦出现在青藏高原东北缘地区，研究表明人类活动的累积效应可显著降低高寒草地的生态稳定^［34］。自2010年起，祁连山地区生态格局发生系统性逆转（图7）。特别是2015年后，在国家“山水林田湖草沙一体化保护与修复工程”“祁连山生态环境整治方案（2017）”等政策推动下，退牧还草、封山育林、矿区关闭与水资源生态补偿等多项举措实施，显著抑制了生态退化趋势^［35］。同期气候呈现暖湿化趋势，降水增加与冰雪消融共同促进了水体与湿地扩张，草地与林地的恢复速率显著提升^［36］。这一过程与青海三江源的长期监测结果一致，说明生态政策与气候变化的叠加效应是干旱高寒区生态系统恢复的主要动力来源^［37］。

从空间分异看，祁连山景观要素呈西沙、中草、东林、水、田的空间过渡格局，符合典型干旱山地、绿洲、荒漠结构的自然分布规律。降水梯度与海拔梯度共同塑造了景观分布，而人类活动影响则主要集中在天峻县与祁连县一带，1980—1995年过牧压力与建设扩张显著影响了草地资源稳定性。1995年后生态补偿机制的引入有效改善了草地退化趋势，与西北干旱区其他流域的生态政策成效一致，验证了生态工程的长期可持续性与政策响应敏感性^［38］。

转移弦图结果显示，祁连山景观演变主要表现为沙地-草地-未利用地之间的多方向转化（图7）。其中，草地转沙地是典型的退化性过程，主要发生在1990—1995年，转化面积达9 665 km²，反映了草地系统在超载放牧与气候干旱背景下的脆弱性^［39］。相反，沙地转草地则是恢复性过程的集中体现，尤其在2015—2020年最为显著，转化面积达9 106 km²。生态工程投入、草方格固沙与退牧还草措施对这一转化起决定作用^［40］。

值得注意的是，2015—2020年的沙地转未利用地现象并非生态退化，而是生态治理初期阶段的中间状态。该类区域多分布于干扰减弱的封育区，虽短期内植被覆盖尚未完全恢复，但具备良好的自然恢复潜力^［41］。类似现象在腾格里沙漠边缘与柴达木盆地也被观察到，表明生态修复在早期阶段往往经历裸露—稳定—再植被化的演替序列^［42］。

综合动态度分析结果进一步印证了这一趋势。2020—2023年为景观变化最活跃时期，综合动态度达11.82%，反映出景观系统的快速重组特征。这一时期生态政策与气候因素协同作用，使草地、水域等生态类型快速扩张，而沙地、未利用地明显受限，区域生态系统整体稳定性显著提升^［43］。相对而言，2000—2005年生态系统处于低演替速率阶段，说明前期生态工程已形成稳态，系统短期趋于平衡。

景观演变驱动力系统是由若干驱动力因素组成的具有一定新功能的有机整体，祁连山地区景观要素演化受气象因子、人类活动因子、地形因子的综合调控作用^［44］。其中，以气象因子影响草地、林地与水域的空间分布对降水、蒸散发、高程、坡度表现出明显的阈值特征，分布集中在降水较多、蒸散发高、中高海拔区域。在降水充沛、蒸散发较高的区域，水分输入能够满足植物的生长需求，有利于地表植被的持续更新和生物量累积，从而促进了草地和林地的大面积分布^［45］。尤其是在中高海拔地带，高程不仅提升了降水量，还形成了独特的小气候区，进一步增强了水分保持能力和温湿条件，对典型高寒草甸和山地森林的形成具有决定性作用^［46］。水域分布同样依赖于降水、地表径流及微地形的耦合作用。降水丰富、地势低洼的区域有利于水体的积聚和维持，而低蒸散发环境则促进水体的动态循环与湿地系统的稳定^［47］。因此，降水和蒸散发作为水热条件的综合体现，与高程和地形属性协同作用，构建了草地、林地与水域适宜的空间格局。其核心机制在于：水分充足和高程适中的区域最大程度地减少了生态系统水分亏缺风险，提高了植被和水体生态系统的稳定性和恢复力，进而驱动了草地、林地与水域在空间上的集中分布，这与高寒生态系统对水热条件高度敏感的生态学假说相符^［48］。人口密度和夜间灯光指数之所以对居民地与田地空间分布具有较高的驱动解释力，根本原因在于它们分别反映了人口集聚强度和经济活动活跃度，这两者共同决定了人类用地需求的空间分布及扩展模式^［49］。一方面，高人口密度区域往往代表着劳动力资源和生活需求的集中，直接推动了住宅、基础设施和相关配套用地的空间集聚，并对周边土地开发产生溢出效应，从而引发田地向人口集聚区靠拢^［50］。另一方面，夜间灯光指数作为城市化和经济发展水平的遥感表征，其亮度变化与城镇扩张、工业园区和交通枢纽等空间分布高度一致^［51］。夜间灯光指数越高的区域，通常基础设施完善，更容易吸引人口和产业聚集，形成以居民地和高效田地为主导的复合空间格局。沙地与未利用地主要在低降水、高海拔和极端地貌区域（坡度大于26°或高海拔>4 000 m）。此类景观的存在是自然限制因子显著的典型体现，其核心驱动机制在于：水分匮乏和干旱胁迫是限制植被生长与土壤保持的首要环境因子，当降水量极低、蒸散发量高时，生态系统水分输入远低于蒸散发消耗，植被难以维持正常生长和更新，土壤表层裸露，极易受风蚀、水蚀等外力作用，进而导致沙化扩展和景观功能退化^［52］。此外，陡坡与高海拔地形进一步加剧了水土流失和地表环境不稳定性，使得区域内土地开发和植被恢复难度显著增加^［53］。在这种环境背景下，自然约束远强于人为活动，沙地和未利用地作为生态系统脆弱地带的典型代表，其形成和维持主要受气候干旱、降水稀少、地形极端等自然因子的共同驱动，而非社会经济因素所主导。因此，水分胁迫与地形约束共同决定了这两类用地的分布格局及其空间演变路径，是区域景观生态系统“生态限制”机制的集中体现。

基于1980—2023年祁连山地区景观要素的转化特征与空间分布规律，可以发现区域景观时空演替呈现出显著的高程梯度与人地耦合分异特征：祁连山东部高山地带以林地与草地为主，低山河谷地区集中分布田地与居民地，中部山地为林-草-水交错带，而沙地与未利用地则主要出现在西部高原区。这一空间格局反映出自然水热条件与人类活动共同塑造的景观分异过程，也揭示了生态系统的空间脆弱性与功能梯度。景观生态修复必须与产业转型、污染控制、绿色发展相结合，根据《全国重要生态系统保护和修复重大工程总体规划（2021—2035年）》及《青藏高原生态屏障区生态保护和修复重大工程建设规划（2020—2035年）》等政策导向，结合景观转化规律与驱动因子最优阈值特征，提出针对性的空间分区治理思路。

祁连山高海拔地带（>3 300 m）以林地、水域和高寒草地为主，具有蒸散强、降水充沛、坡度大、气温低的特征，是区域水源涵养与生态安全的重要屏障。该区应严格落实生态红线制度，坚持“以保为主、严控干扰”，强化天然林保护与高寒草甸封育，维持高山生态系统稳定性。中高海拔山地（2 950~3 600 m），水-林-草交错、生态功能稳定，应以维持生态连通性和涵养水源为重点，推进天然林修复、次生林更新与廊道构建，形成山地林草连续、生态功能互补的保育格局。山前台地及干旱边缘带（2 280~2 950 m），以沙地、退化草地和未利用地为主，水热条件差、生态脆弱，应重点实施退化草地修复、流动沙丘固沙与水源涵养型造林工程，提升地表植被覆盖度，构建防风固沙与水源保持并重的生态缓冲区，改善沙地退化。中低海拔河谷地带（2 280~3 030 m），为田地与居民地集中分布区，气候温和、坡度平缓，人类活动强度大，应以水资源为约束条件，合理规划耕地规模，推广数字牧场、智慧农田等模式，实现农业生产全过程节水、降耗与提效，同时通过引导传统牧业转向旅游业等生态导向型服务业，不仅可以减少草地过度放牧与土地退化风险，也有助于提升区域生态价值转化效率。通过产业升级、科技创新、生态补偿等措施，构建人与自然和谐共生的产业-生态耦合格局，实现从资源依赖型开发向生态驱动型增长的根本转变。

总体而言，祁连山景观转化的空间分布体现了高山生态功能增强、中低山生态压力集中、绿洲边缘生态脆弱性上升的演化特征。通过将景观转化格局与政策分区相结合，可实现山上保源、山间保育、山前修复、河谷调控的分区治理格局，从而构建以生态安全为底线、以系统修复为导向、以产业升级为措施、以绿色利用为目标的山地生态治理体系，为祁连山区域生态功能提升与可持续发展提供科学路径。

从时空格局看，祁连山地区呈现出高山生态功能增强、中低山生态压力集中、绿洲边缘生态脆弱性上升的总体特征。高海拔区域林地与草地覆盖稳定，生态系统保持较高完整性；而山前台地与绿洲区人类活动干扰显著，土地利用强度持续上升，景观破碎化加剧。

从驱动机制看，自然因子与人类活动的复合作用共同塑造了生态格局的空间差异。海拔、降水与气温等自然要素对生态系统格局具有基础性控制作用，而建设用地扩张与道路密度对低海拔地区的扰动效应显著增强。地理探测器结果表明，气候变化与人类活动的交互项具有更高解释力，显示出祁连山生态系统正经历从自然主导向自然-人为复合驱动转型的阶段特征。

从治理路径看，提出了针对性的空间分区治理思路，明确了高山强化生态屏障、中山强化涵养保育、山前加强自然恢复、绿洲优化利用结构的系统治理思路。通过多要素联动与区域协同管理，可实现祁连山生态系统的稳定性提升与空间格局优化。

本研究虽系统揭示了祁连山山水林田湖草沙要素的时空演变规律及驱动机制，但仍存在一定局限性。一方面，受遥感数据精度与时间尺度约束，部分地类边界与阈值区间识别存在不确定性；另一方面，驱动因子的复杂交互关系及社会经济因素的长期效应尚未得到充分量化。未来研究可在高分辨率多源数据支持下，融合地面观测与遥感反演，构建要素协同-阈值响应-反馈调控模型框架，深化对生态系统非线性演替机制的认知。同时，应将社会经济与政策变量纳入生态格局演变分析，量化人类活动对生态协同过程的影响；在应用层面，探索基于要素阈值的动态分区与多目标优化方法，实现生态修复、空间规划与资源管理的科学耦合，为祁连山及西北干旱区的生态安全与高质量发展提供理论支撑与决策参考。