下载:
-
随着城市化加速发展，不透水地面逐渐增多，城市热岛效应(urban heat island effect，UHI)日益凸显。学者们多从热环境时空变化[1−2]、影响机制及驱动力[3]、城市热岛效应缓解方法[4]等方面展开研究，但较少关注景观网络在缓解热岛效应中的作用。这些研究表明，地表温度受斑块间的热交换影响显著，热源与热汇的连通性是影响热流动的重要因素。然而，地表温度难以反映整体格局和连通性，需要合适的方法来准确描述热环境的空间格局。对城市热岛的研究侧重于整体区域尺度或是斑块水平上的统计分析，忽视了景观网络对缓解城市热环境的作用。陈利顶等[5]利用“源-汇”理论，将热环境与生态过程结合，为解决城市热环境问题提供新思路。
城市绿地对缓解城市热岛效应具有重要作用[6]，当绿地覆盖面积在40%以下时，绿地系统的空间格局将对环境的增势以及降温产生主要影响[7]，在有限的城市空间中增加大面积的绿地已经难以实现，因此通过优化绿地空间格局来缓解城市热岛效应尤为重要。基于景观生态学“源-汇”理论，识别城市热岛像元与绿地像元，构建多层级生态网络，将是缓解城市热环境的重要手段。生态网络构建方法主要包括形态空间格局分析方法(morphological spatial pattern analysis，MSPA)、最小累积阻力模型以及重力模型等 [8−9]。MSPA方法强调景观内部结构性的连接，可以准确地将前景要素划分为核心、孤岛、孔隙、边缘、环道、桥接和支线等7类，为后期廊道以及生态节点的识别提供理论依据[10−12]。近年来MSPA方法也逐渐应用到城市热岛的研究中，以达到缓解城市热岛效应的目的。景观连通性指数包括整体连通性指数(integral index of connectivity，IIC)、可能连通性指数(probability of connectivity，PC)等，反映了景观对生态过程中能量流动的促进或阻碍作用大小，良好的景观连通性有助于构建稳定的生态环境[13]。最小累积阻力模型是指物种从源地向目标迁移扩散过程中，穿越不同景观表面所需耗费的最小代价的模型[14]，最小累积阻力模型与重力模型相结合能更好地识别生态廊道间的相互作用强度，以筛选具有重要作用的关键廊道。目前，大多数研究利用MSPA、景观连通性指数、最小累积阻力模型等方法进行绿地生态网络的构建，但利用该方法体系构建缓解城市热环境的多层级生态网络的研究相对较少。
本研究以成都市中心城区为研究对象，基于“源-汇”理论，利用MSPA与景观连通性指数，筛选研究区“源”“汇”景观，利用最小累积阻力模型、重力模型以及水文分析模块构建“源-源”“汇-汇”“源-汇”景观廊道以及生态节点，最终形成具备“补偿-运输-作用”功能的多层级景观网络格局，确定需要重点保护的生态用地、重要廊道以及关键节点，提出优化策略，为成都市生态网络空间的构建提供有效支撑。
-
成都市位于川西平原，30°22′~30°96′N，103°68′~104°49′E，地势较为平坦，由于地形影响，夏季炎热，冬季寒冷。本研究的中心城区(图1)包括郫都区、新都区、青白江区、温江区、金牛区、成华区、龙泉驿区、青羊区、武侯区、锦江区、双流区等11个行政区，总面积为3 732.06 km2。中心城区处于全国两大静风区之一，建筑及人口密度高，地表通风能力弱[15]，不利于城市内部热量扩散，城市热环境矛盾突出，因此具有研究城市热岛效应的典型特征。
图 1 研究区范围示意图
Figure 1. The study area
-
所用数据包括2020年空间分辨率为30 m的Landsat 8 OLI卫星影像数据(
http://earthexplorer.usgs.gov )，空间分辨率为30 m的DEM高程数据(https://www.gscloud.cn/ )，以及《成都市国土空间总体规划(2020—2035年)》(草案)等相关规划图件。利用ENVI软件对获取的遥感影像预处理后利用覃志豪等[16]的单窗算法反演地表温度；利用监督分类的方法，将研究区2020年的土地利用类型细分为草地、林地、耕地、水域以及城乡建设用地等5种类型，通过实地调研踏勘与高分辨率遥感影像的目视判别，对分类结果进行校正，最终解译精度达89%以上。 -
通过计算城市区域与周边地区的平均温度之差来确定相对热岛强度，相对热岛强度越高，相应区域内热岛效应越明显[17]。在ArcGIS中通过计算不同用地类型的相对热岛强度来判别“源-汇”景观。按照LAL等[18]和贾玉雪等[19]的研究将计算结果中相对热岛强度(H)≥0的斑块定义为对城市热环境有促进作用的“源”景观，H＜0的景观定义为“汇”景观。
-
将“源”景观作为前景，赋值为2，“汇”景观作为背景，赋值为1，并将其转化为30 m×30 m栅格数据；运用Guidos Toolbox软件对其进行MSPA分析，设置8邻域的连通规则，边缘宽度为1，获得7种景观类型：核心区、边缘、孤岛、桥接区、环道、支线和孔隙。按相同步骤将“汇”景观作为前景，“源”景观作为背景，得到“汇”景观的空间形态格局。
-
景观连通性指数可以衡量不同空间单元之间景观要素的连通性。量化景观要素在生态源地之间进行扩散或者迁移的难易程度，也是衡量生态过程之间联系程度的重要指标[20]。利用Conefor 2.6软件，通过计算IIC、PC以及斑块重要性(dI’)来衡量不同核心斑块的重要程度[21]。考虑研究区内斑块的面积和连通性，通过反复测试计算，设定斑块连接性阈值为2 000，连通概率为0.5。最后，基于景观连通性指数dI’值大小综合评估核心区斑块的景观重要程度。
-
根据研究区现状以及数据的可获取性，最终选取用地类型、高程、坡度以及归一化植被指数(NDVI)来构建综合阻力面。其中高程决定了城市内不同区域的温度分布，坡度影响空气流动和热量累积，不同用地类型对城市热环境产生不同影响，而NDVI则反映了植被覆盖情况，对城市温度、热岛效应和空气质量有重要影响。采用专家打分法确定因子阻力值，并采用层次分析法(AHP)计算其权重值(表1)，通过叠加分析最终生成综合阻力面(图2)。可以看出，研究区内阻力值的呈现由中心向四周扩散，逐渐递减，尤其是东南方向的递减最为明显。
表 1 赋予不同影响因子的阻力值
Table 1. Resistance values assigned to different impact factors
影响因子 类型分级 赋予阻力值 所占权重 影响因子 类型分级 赋予阻力值 所占权重 用地分类 林地 10 0.520 坡度/( º ) 0~10 10 0.078 水地 20 10~20 30 草地 30 20~30 50 耕地 50 30~40 70 未利用土地 70 40~50 90 建设用地 100 ＞50 100 高程/m ＜200 10 0.078 归一化植被
指数(NDVI)−1.00~−0.20 10 0.201 200~400 30 −0.20~0.30 30 400~600 50 0.30~0.50 50 600~800 70 0.50~0.70 70 800~1 000 90 0.70~1.00 90 ＞1 000 100 
图 2 阻力面示意图
Figure 2. Resistance surface
-
在ArcGIS中，利用Cost-distance工具构建研究区的累积耗费距离表面。利用Cost-path构建多对多的潜在生态廊道，以连接不同的“源-汇”景观。最后，利用重力模型[22]计算生态廊道间的相互作用强度，通过筛选合适的强度阈值，确保所有的“源-汇”景观均被连通，从而提取出“源-源”“汇-汇”“源-汇”生态廊道。
-
识别生态廊道中的关键点和障碍点能够为物种的迁徙及物种保护区的划分和规划提供科学依据[23−24]。在ArcGIS中，运用水文分析模块，对累积耗费距离表面进行水流方向、汇流累积量等一系列分析计算。通过对比不同阈值设定下最小阻力路径的完整性与连通性，最后确定阈值为500构建研究区内的低阻力廊道。运用ArcGIS中的Intersect工具将低阻力值廊道与“源-源”“汇-汇”廊道进行相交分析从而获得不同生态节点，包括生态障碍点与生态关键点，其中生态关键点是生态廊道中能量流动密度较大的点，需要对关键点进行有效利用与保护；对障碍点则需进行生态修复来提升廊道整体的连接度，以保障冷热能的有效传递。
-
将“源-源”“汇-汇”“源-汇”廊道共同相交[25]，得到一级补偿廊道；将“汇-汇”“源-汇”廊道进行相交，得到二级输送引导廊道；将“源-源”“源-汇”廊道进行相交，得到三级作用廊道，完成廊道的“补偿-运输-作用”的完整体系，构建完整的多层级“源-汇”生态景观网络。
-
从图3A可以看出：“源”景观在研究区中部呈现聚集特征，“汇”景观大多分散分布在研究区的西北部以及东南部。其中，“汇”景观斑块总计
98342 个，占研究区域总面积的62.1%，以大面积的带状水域和块状绿地为主；“源”景观斑块总计212 231个，占研究区域总面积的37.9%，由大面积建设用地组成。
图 3 生态源地的识别示意图
Figure 3. Ecological source of the “source - sink” landscape
-
从“源-汇”景观的MSPA格局分析(图3B)可以看出：“源”核心景观密集地分布在研究区中部，多为城市建设用地；研究区西北以及东南两侧的“源”景观核心斑块较为破碎，景观连通性较差。研究区中部的“汇”景观由于城市绿地破碎化严重导致空间连通性较差。对比不同景观要素类型面积比(表2)发现：“源”景观核心区面积为1 169.33 km2，占“源”景观前景要素总面积的31.83%；“汇”景观核心区面积为2 053.78 km2，占“汇”景观前景要素总面积的55.91%，对城市热岛效应起重要作用。最终，分别筛选面积在0.01 km2以上的源、汇核心斑块作为重要核心斑块，以进行景观连通性分析。
表 2 “源”“汇”景观要素不同类型面积占比
Table 2. Area proportion of different types of “source” “sink” landscape elements
景观类型 “汇”景观面
积占比/%“源”景观面
积占比/%核心区 55.91 31.83 孤岛 0.07 0.14 孔隙 2.46 1.61 边缘区 3.32 3.77 环岛 0.06 0.04 桥接区 0.06 0.08 支线 0.21 0.26 -
将dI’值大于0.1的斑块作为研究的生态源地，分别筛选出24 个“源”“汇”生态源地(图3C)，其中“源”景观生态源地占研究区总面积的28.81%，“汇”景观生态源地占研究区总面积的53.60%。“汇”生态源地主要分布在青白江生态带、龙泉山国家森林片区、三圣乡片区、青龙湖湿地公园片区、兴隆湖湿地公园片区以及江安河流域段，而“源”景观生态源地主要分布在金牛区、成华区、锦江区、青羊区以及武侯区(简称“五城区”)。
-
基于最小成本路径构建“源-源”廊道276条，“汇-汇”廊道266条，“源-汇”廊道690条。利用重力模型最终筛选出“源-源”廊道102条，总长度为2 081.6 km，“汇-汇”廊道141条，总长度为1 907.8 km，“源-汇”廊道325条，总长度为7 698.0 km (图4)。其中“源”景观23、24号生态源点与“汇”景观23号生态源点仅由单条景观廊道连通，表明它们在整个热环境中相对独立，呈孤岛状分布，受到其他景观斑块的影响较小，导致在整个热传导的过程中不能发挥良好的作用。
图 4 “源-汇”景观廊道分布示意图
Figure 4. “Source-sink” landscape corridor distribution
-
统计不同行政区内各廊道的占比情况(表3)发现：新都区、郫都区与双流区内各类“源-汇”重要廊道最多，主要以毗河、岷江等河流，部分廊道呈簇团状分布，说明在研究区冷热交换过程中起到了重要作用；由于五城区分布有大片的“源”景观生态源地，且建筑密度相对较高，区域内各层级“源-汇”重要廊道分布较少，导致其在冷热交换过程中发挥的作用较小。尤其是成华区建筑密度为14.49%，各层级廊道占比都相对较低，区域内大量热空气堆积不易扩散，热岛效应明显。
表 3 研究区各行政区景观廊道分布
Table 3. Distribution of landscape corridors in each administrative district
行政区 建筑密度/% “源-源”廊道长度/km 所占比例/% “汇-汇”廊道长度/km 所占比例/% “源-汇”廊道长度/km 所占比例/% 新都区 20.50 825.32 26.6 642.65 17.2 23 563.22 21.87 郫都区 20.43 518.02 16.7 810.47 21.8 17 422.12 16.17 双流区 12.72 509.82 16.4 689.71 18.6 23 944.23 22.22 温江区 19.12 357.46 11.5 233.84 6.2 9 438.32 8.76 龙泉驿区 11.16 345.57 11.1 171.33 4.6 9 768.86 9.06 金牛区 18.99 229.24 7.3 379.07 6.2 5 423.08 5.03 青白江区 15.01 201.95 6.5 31.16 0.8 3 699.39 3.43 成华区 14.49 90.75 2.9 18.13 0.5 2 827.71 2.62 锦江区 18.01 11.05 0.3 177.75 4.7 3 295.24 3.06 青羊区 28.09 7.04 0.2 303.22 8.2 3 500.85 3.25 武侯区 22.20 5.26 0.2 409.52 11.0 4 882.50 4.53 -
利用水文分析模块获取低阻力廊道95条，将低阻力廊道与“源-汇”廊道相交分析得到生态障碍点148个，生态关键点103个(图5A)，其中生态关键点在青羊区、武侯区以及锦江区与双流区交汇处出现堆积现象，导致该区域出现功能廊道不能充分利用的问题。生态关键点整体分布与“汇”景观生态源地分布情况大致相同，这意味着加强“汇”景观源地的生态建设，降低周边阻力值，将会有效提升网络连通性。而生态障碍点大多聚集在建筑密度相对较高的区域，生态障碍点堆积处出现大量的热能无法有效被传输，加强生态障碍点的生态修复对城市热量的传导具有重要作用。
图 5 低阻力廊道、生态障碍点与关键点分布(A)及“源-汇”多层级景观网络示意图(B)
Figure 5. Distribution of low-resistance corridors, ecological barrier points and key points (A), and “source-sink” multi-level landscape network (B)
-
多层级“源-汇”景观网络中(图5B)，一级补偿廊道36条，主要由岷江、毗河和其他河流廊道构成，分布在研究区西部以及北部，在城市中发挥着冷热空气交换的重要作用，是补充能量的主要途径；二级输送引导廊道125条，主要分布在西部、南部以及北部的三环路附近，起到将冷空气运输和分配的作用，是实现能量传递的次要路线；三级作用廊道86条，主要分布在研究区西北以及东北部，主要承担实现热空气的运输和分配的任务，是“源-汇”景观能量交换过程的末端环节。3种廊道共同作用，实现了廊道的“补偿-输送-作用”的功能，以达到缓解城市热岛效应的作用。
-
优化生态网络中的“源-汇”景观源地对改善城市热环境具有重要作用。在五城区中大量建筑密度高、人口高度密集的“源”景观生态源地，应加强垂直绿化、屋顶绿化等来增加植被覆盖率；在源地周围增加社区口袋公园、绿化带等构建缓冲区，以改善城市生态环境。对于龙泉驿区、双流区等植被覆盖率高、生态质量好的“汇”景观生态源地，可建设生态公园和自然保护区、引进生态景观设计等，以增强其改善气候环境的生态效能。
-
对区域内生态障碍点来说，可以推广绿色建筑以有效地吸收太阳辐射，对新建城区的建筑布局进行合理规划，降低建筑密度、增加绿色基础服务设施以降低城市表面的温度，有效改善城市热岛效应。对生态关键点可退耕还林、扩大区域植被绿化面积、建立生态缓冲区等来降低生态关键点周边的阻力值，以确保生态关键点与生态廊道的连通性，保障热量之间的相互流通。
-
一级补偿廊道多依托水系以及绿道进行构建，是调节气候的关键要素，可对其进行生态规划保护，包括河道整治、整合岸线资源以及拓宽绿道宽度等。二级输送引导廊道相当于城市通风廊道，可对廊道布局、地形特征和内部设施等方面合理规划，以保证冷空气的输送，尤其需注重绿地植被结构的优化设计，确保其通透性。三级作用廊道主要起热交换的作用，可以拓宽廊道横截面、加强沿线绿化建设等提高其作用效率。
-
通过生态缓冲区的建设提高生态关键点与障碍点的生态环境质量，增强与生态廊道的有效连接与过渡，强化“源”“汇”景观生态源地之间的相互渗透，增加绿色基础设施建设，减弱高密度建成区对自然生态环境的干扰，推进城市生态环境多层次、立体化、网络化的建设思路，整体提升生态网络缓解城市热岛效应的能力。
-
本研究共筛选“源” “汇”景观源地24个，“源-源”廊道102条，“汇-汇”廊道141条，“源-汇”廊道325条，生态关键点103个，生态障碍点148个。多层级景观网络中，一级补偿廊道36条，二级输送廊道125条，三级作用廊道86条，分布在研究区北部、南部与西北部。
与其他研究相比[15−16]，本研究利用MSPA方法提取研究区内与城市热环境相关的“源-汇”景观核心斑块，计算景观连通性筛选“源-汇”景观生态源地，使生态源地识别过程更科学，减少生态源地识别的主观性；运用最小累积阻力模型与重力模型，最终构建多层级生态网络优化格局，该研究方法框架将为缓解城市热环境提出新的研究思路。综合运用水文分析模块构建的低阻力廊道与不同类型的“源”“汇”景观生态廊道相交，获取缓解城市热环境的生态关键点与生态障碍点，同时，将不同类型的“源”“汇”生态廊道进行相交，构建多层级的“源-汇”生态网络，分析城市建设开发状况与生态网络的空间格局关系，可更直观地揭示出生态网络脆弱区域存在的生态问题。
本研究仅对2020年的城市热环境数据展开分析，城市景观格局不断地发生变化，根据不同时期城市景观格局与城市热岛效应之间的动态变化关系，筛选具有高稳定性、高连通性的源地，综合构建缓解热环境的优化生态网络空间格局，将是后期研究的重点方向。生态网络建设是一个复杂的过程，涉及诸多因素，需要从不同尺度进行多层次分析和构建。增强城市与周边地区生态斑块之间的联系，保护核心生态斑块的完整性，保护区域的生物多样性并促进城市的可持续发展是其最终目的，因此从多尺度协同角度出发来构建综合生态网络，也是后期研究的重要方向。
Research on optimization of urban thermal environment ecological network based on MSPA and minimum cumulative resistance model
-
摘要:
目的 建立合理的城市热环境生态网络，以缓解城市热岛效应。 方法 以成都市中心城区为研究对象，基于“源-汇”理论，利用形态学空间格局分析方法(MSPA)与景观连通性指数，分别筛选研究区内景观稳定性好、连通性高的“源”“汇”景观作为生态源地；运用最小累积阻力模型、重力模型以及水文分析模块构建和筛选研究区内的重要生态廊道，从而建立缓解城市热环境问题的多层级“源-汇”景观网络。 结果 分别筛选出24个具有重要连通性的“源”“汇”核心斑块作为重要生态源地。构建“源-源”廊道102条，“汇-汇”廊道141条，“源-汇”廊道325条，生态节点103个，障碍点148个。通过综合相交分析，一级补偿廊道主要由岷江、毗河和其他河道构成，二级输送廊道主要分布在“汇”景观较为密集的区域，三级作用廊道主要分布在高强度建设区域。 结论 基于“源-汇”理论构建的多层级生态网络优化格局是有效缓解城市热岛效应的重要举措。图4表3参25 -
关键词:
- 形态空间格局分析方法(MSPA) /
- 最小累积阻力模型 /
- “源-汇”理论 /
- 城市热环境 /
- 景观生态网络
Abstract:Objective The acceleration of urbanization leads to the change of urban underlying surface, serious landscape fragmentation, and continuous intensification of urban heat island effect, especially in the urban center where buildings and populations are highly clustered. The establishment of reasonable ecological network has become one of the important ways to improve the urban ecological environment. Method Based on the “source-sink” theory, this study used morphological spatial pattern analysis (MSPA) and landscape connectivity index to select the “source” and “sink” landscapes with good landscape stability and high connectivity as ecological sources in the study area. The minimum cumulative resistance model, gravity model and hydrological analysis module were used to construct and screen important ecological corridors in the study area, so as to establish a multi-level “source-sink” landscape network to alleviate urban thermal environment problems. Result The results showed that 24 core patches with important connectivity were selected as important ecological sources. There were 102 “source-source” corridors, 141 “source-sink” corridors, 325 “source-sink” corridors, 103 ecological nodes and 148 obstacle points. Through comprehensive superposition, the first-level compensation corridor was mainly composed of Minjiang River, Pihe River and other river channels, the second-level transport corridor was mainly distributed in the area with dense “sink” landscape, and the third-level action corridor was mainly distributed in the high-intensity construction area. Conclusion The optimization pattern of a multi-level ecological network based on the “source-sink” theory is an important measure for effectively mitigating the urban heat island effect. [Ch, 4 fig. 3 tab. 25 ref.] -
毛竹Phyllostachys edulis为禾本科Gramineae刚竹属Phyllostachys单轴散生型竹类植物，具有生长更新快，自然成熟期短等优点，是中国分布最广、面积最大的经济竹种[1-2]。毛竹独特的生长习性决定了秆形结构因子及其在竹秆上的分布具有一定的规律性。毛竹的主体是竹秆，为提高毛竹林的经营利用水平，长期以来学者们十分重视毛竹秆形结构研究[3-5]。毛竹的秆形结构通常用竹节数、节长、节间周长(或直径)等因子描述。毛竹的竹节数在笋芽分化时期就已经确定，出土后不再增加新节[3]。毛竹的高生长主要依靠竹节之间的拉伸[4]，节间伸长是从基部开始，靠居间分生组织细胞分裂和细胞伸长而逐节伸长的[6-8]。周芳纯[9]较早研究了节间长度、围度等在竹秆上的分布规律，依据毛竹竹秆上自近中央节位向基部和梢部两端推移，毛竹节间长度逐渐变小的特征，用正态分布近似描述节间长度的分布规律，表明节间长度通过正态分布难以反映节长的分布规律。谢芳[10]和甘代奎[11]则对标准竹竹节进行编号，赋值基部第1节竹节竹号为1，并自下而上依次编号，分析秆形结构因子在竹秆上分布规律，表明从基部向上，节长依节号的变化呈抛物线型，竹节周长与节号呈线性负相关。但是，不同毛竹的竹节数往往不同，以节号作为自变量，得出秆形结构因子与节号的关系方程不具有普遍意义。可见，现有描述毛竹秆形结构因子及其在竹秆上的分布规律仍是未解的科学问题。本研究以浙江省受人为干扰较少的毛竹林为研究对象，以竹节所处高度与竹高的比值(即相对高，取值范围0~1)代替实际高，分析秆形结构因子依赖于相对高的分布规律，旨在为毛竹林经营利用提供理论依据。
1. 研究区与方法
1.1 研究区概况
浙江省位于27°01′~31°10′N，118°01′~123°08′E，年均气温为16~19 ℃，四季分明，光照充足，雨水充沛，是典型的亚热带湿润季风气候。浙江省是中国毛竹的主产区之一，有“七山一水二分田”之说，山地和丘陵占74.63%，因而比较适合毛竹的生长，毛竹广泛分布于海拔400~800 m的丘陵、低山山麓地带。根据《2018年浙江省森林资源及其生态功能价值公告》，浙江省森林面积为607.82万 hm2，森林覆盖率为59.71%，竹林面积为92.70万 hm2，占森林面积的15.25%，其中毛竹林面积为81.67万 hm2，占竹林面积的88.10%。
1.2 样地设置及样竹调查
2014−2018年，根据浙江省森林资源一类调查系统抽样样地中的毛竹林样地分布较多的区域，共选择10个县市(区)为调查区域，包括庆元县、泰顺县、常山县、武义县、诸暨市、宁海县、黄岩区、安吉县、临安区和余姚市(表1)。在调查区域内，选择近5 a没有采伐、垦复、施肥和钩梢等人为经营管理措施干扰的近自然毛竹林，每个区域随机设置10 m×10 m的样地至少4个，共52个样地。根据样地每木调查结果，按照胸径分布范围，确定大、中、小径级，并在大、中、小径级的样竹中，各随机选取1株梢头完整且无病虫害的样竹，共159株，总竹节数为9 431节。用锯子在竹秆基部齐地伐倒，用皮尺测量竹高。自竹秆基部向上，将竹节从小到大依次编号，称之为节号。用围尺测量每个竹节的竹节长和竹节中央直径。用游标卡尺测量竹秆基部，胸高处，及1/2高处东、南、西、北4个方位的壁厚，取4个方位壁厚的平均值作为对应位置的壁厚。
表 1 研究区概况和样地样竹调查Table 1 Study area overview and sample setting地名 纬度
(N)经度
(E)年均气
温/℃年均降
水量/mm样地数/
个样竹数/
株余姚 30°03′ 121°09′ 16.2 1 361 8 24 临安 30°23′ 118°51′ 16.4 1 628 4 12 诸暨 29°43′ 120°32′ 16.3 1 373 6 18 安吉 30°38′ 119°40′ 15.8 1 420 4 12 宁海 29°29′ 121°25′ 16.4 1 480 6 19 泰顺 27°30′ 119°42′ 17.9 1 670 4 12 黄岩 28°38′ 121°17′ 17.0 1 676 4 12 武义 28°54′ 119°48′ 17.9 1 546 6 20 常山 28°51′ 118°30′ 16.3 1 700 6 18 庆元 27°27′ 119°30′ 17.4 1 760 4 12 1.3 统计分析
采用SPSS 20.0对毛竹秆形结构因子在区域间的差异性进行了方差分析，对秆形结构因子之间的关系进行了相关性分析，对秆形结构因子间的主导因子进行了因子分析。
2. 结果与分析
2.1 秆形结构因子描述性统计及区域差异性分析
由表2可知：10个地区毛竹的竹节数最小为39节，最大为76节，平均为59节。竹节数和1/2高节号的变异系数最小，均为0.12。胸高节号的变异系数最大，为0.20。最长竹节长与1/2高节长相近。10个研究区间，毛竹的竹节数、1/2高节长、最长竹节长、基部壁厚、1/2高壁厚、竹高和胸径间差异显著(P＜0.05)，其他秆形结构在10个地区间差异不显著。
表 2 毛竹秆形结构因子描述统计特征Table 2 Description statistical characteristics of factor of culm form指标 竹节数 1/2高节号 胸高节号 1/2高节长/cm 最长竹节长/cm 胸高竹节长/cm 极小值 39 18 6 17.30 18.30 11.70 极大值 76 39 16 46.00 46.00 30.60 均值 59 28 9 34.45 35.43 22.27 标准差 7.38 3.4 1.79 5.35 5.23 3.38 偏度 −0.30 −0.33 1.29 −0.22 −0.32 −0.10 峰度 −0.09 0.38 2.44 −0.20 −0.02 0.78 变异系数 0.12 0.12 0.20 0.16 0.15 0.15 地区显著性 P＜0.05 P=0.08 P=0.32 P＜0.05 P＜0.05 P=0.06 指标 基部壁厚/mm 胸高壁厚/mm 1/2高壁厚/mm 竹高/m 胸径/cm 极小值 8.35 4.93 3.81 7.20 4.20 极大值 25.76 14.52 10.29 20.14 15.30 均值 16.61 10.32 6.53 14.56 10.08 标准差 3.21 2.01 1.10 2.64 2.34 偏度 0.26 −0.16 0.18 −0.23 −0.18 峰度 0.06 −0.40 0.63 −0.07 −0.44 变异系数 0.19 0.19 0.17 0.18 0.23 地区显著性 P＜0.05 P=0.83 P＜0.05 P＜0.05 P＜0.05 2.2 竹节数的分布特征
以5节竹节为竹节数级距，分析所采集样竹的竹节数频数分布特征。从图1可知：毛竹的竹节数主要集中在53~67节，且毛竹竹节数的频数分布符合正态分布(P＜0.01)。从图2可见：随着径阶的增大，平均竹节数有增大的趋势，即粗壮竹子的竹节数较细小竹子多。
2.3 竹节长的分布特征
不同毛竹的竹节数、竹节长和竹高往往不同。为消除不同竹高的影响，以竹节所处高度与竹高的比值(即相对高，取值为0~1)代替实际高，分析竹节长在竹秆上的分布规律。从图3可见：随着竹节相对高的增加，竹节长自基部至梢头呈先增大后减小的趋势，并且竹节长在竹秆上的分布具有对称性。因此，可用抛物线描述竹节长在竹秆上的分布规律。根据函数拟合结果，在相对高为0.48时，即约1/2竹高处时，最长竹节为35.46 cm(图3)。
为比较不同径阶毛竹竹节长在竹秆上分布的差异性，绘制了不同径阶的关系图(图4)，并拟合抛物线(表3)。经检验，拟合方程均达显著水平(P＜0.01)。根据方程拟合结果和不同径阶最长竹节长对应相对高的实测值，可以解析不同径阶最长竹节长对应的相对高，以及某一相对高对应的理论节长的分布规律。从表3可知：不同径阶毛竹最长竹节对应的相对高差异不大，取值均为0.47~0.52，但最长竹节长随着径阶的增大有逐渐变大的趋势。
图 4 不同径阶毛竹竹节长在竹秆上的分布Figure 4 Distribution of length of bamboo node on culm in different diameter class表 3 不同径阶毛竹竹节长分布特征拟合结果Table 3 Fitting results of distribution of length of node on culm in different diameter class径阶/cm a b c R2 ML/cm MRH 4 −68.54 0.52 23.71 0.87 24.40 0.48 6 −103.39 0.49 33.20 0.79 33.45 0.49 8 −96.19 0.49 33.42 0.77 33.32 0.51 10 −97.87 0.47 34.82 0.80 34.76 0.50 12 −102.09 0.47 36.65 0.85 36.60 0.49 14 −107.00 0.47 39.41 0.88 39.16 0.51 16 −111.59 0.46 40.87 0.92 42.40 0.50 说明：拟合函数为y=−a(x−b)2+c，其中x为相对高，y为某相对 高所对应的竹节长度，a和b为函数所对应的参数。R2为 拟合决定系数；ML为实测平均最长竹节长；MRH为实 测最长竹节长对应的相对高 2.4 竹节中央直径的分布特征
竹节中央直径可反映竹节的大小。从图5可见：随着竹节相对高的增加，竹节中央直径逐渐下降，呈明显的线性负相关关系。不同径阶毛竹竹节中央直径与相对高的关系拟合直线见图6，拟合参数见表4。经检验，拟合方程均达显著水平(P＜0.01)。利用拟合方程，可推算不同径阶毛竹在某一相对高对应的理论竹节中央直径。从图6可以看出：随着径阶的增大，拟合函数斜率逐渐变小。但不论毛竹径阶怎么变化，竹秆相对高每增加10%，竹节中央直径约下降10%。
图 5 毛竹竹节中央直径与相对高的线性关系Figure 5 Relationship between relative height and central diameter of bamboo node
图 6 不同径阶毛竹竹节中央直径在竹秆上的分布Figure 6 Distribution of central diameter of node on culm in different diameter class表 4 不同径阶毛竹竹节中央直径分布特征拟合结果Table 4 Fitting results of central diameter of node on culm in different diameter class径阶/cm a b R2 4 −5.57 5.60 0.94 6 −6.95 7.20 0.96 8 −8.85 9.21 0.97 10 −11.01 11.28 0.97 12 −12.75 13.19 0.98 14 −14.08 14.79 0.98 16 −16.31 17.11 0.99 说明：拟合函数为y=ax+b，其中x为相对高，y为某相对高度 所对应的竹节直径，a和b为函数所对应的参数。R2为 拟合决定系数 2.5 毛竹秆形结构因子相关性分析
为分析毛竹秆形结构因子之间的相互关系，选择11个具有代表性的秆形结构因子进行相关分析。由表5可知：竹节数与胸径、竹高呈显著正相关，相关系数分别为0.667 (P＜0.01)和0.640 (P＜0.01)。胸径与1/2高壁厚、1/2高节长呈显著正相关，相关系数分别为0.756 (P＜0.01)和0.416 (P＜0.01)，说明竹子越粗壮，1/2高对应的壁厚越厚、节长越长。胸径与胸高节号呈显著负相关，相关系数为−0.551 (P＜0.01)，说明竹子越粗壮，达到胸高所需的节数越少，即胸高以下的平均节长越长。竹节数和1/2高节号呈显著正相关，相关系数为0.739 (P＜0.01)，主要原因是竹节长在竹秆上的分布具有对称性(图3)。1/2高节长和最长竹节长的相关系数为0.979 (P＜0.01)，主要原因是竹节长自基部往梢部有先增加后减少的趋势，且大约在1/2高时竹节最长(图3)。
表 5 毛竹秆形结构因子的相关性分析Table 5 Correlation analysis of factor of culm form指标 竹高 胸径 基部壁厚 胸高壁厚 1/2高壁厚 竹节数 1/2高节号 胸高节号 1/2高节长 胸高节长 最长竹节长 竹高 1 胸径 0.865** 1 基部壁厚 0.715** 0.764** 1 胸高壁厚 0.800** 0.875** 0.804** 1 1/2高壁厚 0.665** 0.756** 0.651** 0.801** 1 竹节数 0.640** 0.667** 0.575** 0.625** 0.466** 1 1/2高节号 0.442** 0.444** 0.401** 0.360** 0.256** 0.739** 1 胸高节号 −0.527** −0.551** −0.362** −0.583** −0.513** −0.076 0.326** 1 1/2高节长 0.686** 0.416** 0.386** 0.423** 0.381** 0.029 −0.146 −0.543** 1 胸高节长 0.465** 0.401** 0.289** 0.362** 0.333** −0.109 −0.376** −0.675** 0.684** 1 最长竹节长 0.706** 0.443** 0.411** 0.451** 0.406** 0.043 −0.138 −0.570** 0.979** 0.701** 1 说明：**表示相关极显著(P＜0.01) 2.6 毛竹秆形结构的主导因子分析
由表6可知：前4个主因子含有原始数据90.66%的信息，第1主因子解释了秆形结构27.33%的方差，第2、3、4主因子分别解释了秆形结构26.00%、22.64%和14.69%的方差。与第1主因子相关性较大的是1/2高壁厚、基部壁厚和胸高壁厚，而壁厚因子两两之间相关性较高，均达显著水平(P＜0.05，表5)，表明第1主因子是反映壁厚的综合因子。与第2主因子相关性较大是1/2高节长和最长竹节长，而最长竹节长与1/2高节长之间的相关性达0.982(表5)，表明第2主因子是反映1/2高节长的综合因子。与第3主因子相关性最大的是1/2高节号，其次是竹节数，而1/2高节号与竹节数之间的相关性达0.739，表明第3主因子是反映竹节数的综合因子。与第4主因子相关性最大的是胸高节号，其次是胸高节长和胸径，表明第4主因子是反映胸高处秆形结构的综合因子。因子分析结果表明：壁厚因子、1/2高节长、竹节数和胸高处秆形因子是反映毛竹秆形结构的主要因子。
表 6 毛竹秆形结构因子分析Table 6 Factor analysis of culm form factor指标 第1主因子 第2主因子 第3主因子 第4主因子 竹高 0.464 0.586 0.598 0.232 胸径 0.640 0.248 0.562 0.360 胸高节长 0.156 0.624 −0.155 0.608 基部壁厚 0.793 0.270 0.343 0.002 胸高壁厚 0.772 0.220 0.417 0.311 1/2高壁厚 0.865 0.169 0.172 0.206 胸高节号 −0.358 −0.325 0.051 −0.827 1/2高节号 0.222 −0.111 0.882 −0.410 竹节数 0.348 −0.065 0.832 0.036 1/2高节长 0.195 0.951 0.001 0.176 最长竹节长 0.220 0.942 0.010 0.201 特征值 3.000 2.860 2.490 1.610 贡献率 27.330 26.000 22.640 14.690 累计贡献率/% 27.330 53.330 75.970 90.670 3. 讨论
3.1 毛竹秆形结构的稳定性
稳定性是毛竹秆形结构的特点之一。毛竹的竹节数相对稳定，集中在53~67节，平均59节。抛物线可以较好地拟合竹节长与相对高在竹秆上的分布，但不同径阶毛竹最长竹节的相对高没有明显差异，均约在1/2竹高处。这种稳定性主要是由遗传结构和生长特点决定的[12]，竹秆中部居间分生组织较两端分生组织活动期长、生长量多，因此中部竹节节间较长，基部和梢部节间较短[4, 13-14]。
3.2 毛竹秆形结构的差异性及其影响因素
差异性是毛竹秆形结构的另一个特点。随着径阶的增大，竹节数和最长竹节长有增大的趋势，这与周芳纯[9]的研究结论一致。胸径越大，胸高以下平均竹节长越长，汪阳东[12]的研究也得到相近的结论。差异性则主要受母竹大小和地理生态因素的影响[15-17]。在出笋前期，母竹消耗了大量的营养物质，导致在出笋中后期的竹笋营养匮乏，生长竞争压力增大[18-20]，其生长发育受到一定程度影响。此外，母竹发挥其整合作用，优先将营养供给较大的竹子，较小的竹子由于营养竞争其秆形结构的生长受到了影响[21]。
林木的生长性状不仅与物种遗传特性有关，同时也受环境条件的影响[5, 22-23]。在出笋成竹期和孕笋期，气候因子异常，降水量少、气温偏低、寒流持续时间过长等影响竹子的正常生长发育，也会导致毛竹的秆形生长异常，秆形生长量明显变小[16-17, 24-25]。本研究方差分析表明：竹节数、1/2高节长、最长竹节长、基部壁厚、1/2高壁厚、高和胸径在10个区域间差异显著。相关分析表明：年均降水量、年均气温与各秆形结构因子均呈正相关，即随着年均降水量和年均气温的增加，毛竹相同位置对应的秆形指标均有逐渐增加的趋势。这与周文伟[26]的研究结论相似，该研究表明：降水量的增加能促进毛竹的生长，水热条件较高的庆元比水热条件较低的安吉的毛竹产量高。实际上，较好的水热条件可以降低毛竹之间的竞争，促进毛竹的生长[16, 27-28]。可见，年均降水量和年均气温是影响毛竹秆形生长的重要因素。
4. 结论
毛竹竹节数服从正态分布，竹节长与竹节相对高呈抛物线关系，且不同径阶毛竹最长竹节的相对高没有明显差异，均约在1/2竹高处。竹节中央直径与竹节所处相对高呈线性负相关关系。随着径阶的增大，最长竹节长和竹节数有逐渐增大的趋势。壁厚因子、1/2高节长、竹节数和胸高处秆形因子是反映毛竹秆形结构的主要结构因子。
-
图 5 低阻力廊道、生态障碍点与关键点分布(A)及“源-汇”多层级景观网络示意图(B)
Figure 5 Distribution of low-resistance corridors, ecological barrier points and key points (A), and “source-sink” multi-level landscape network (B)
表 1 赋予不同影响因子的阻力值
Table 1. Resistance values assigned to different impact factors
影响因子 类型分级 赋予阻力值 所占权重 影响因子 类型分级 赋予阻力值 所占权重 用地分类 林地 10 0.520 坡度/( º ) 0~10 10 0.078 水地 20 10~20 30 草地 30 20~30 50 耕地 50 30~40 70 未利用土地 70 40~50 90 建设用地 100 ＞50 100 高程/m ＜200 10 0.078 归一化植被
指数(NDVI)−1.00~−0.20 10 0.201 200~400 30 −0.20~0.30 30 400~600 50 0.30~0.50 50 600~800 70 0.50~0.70 70 800~1 000 90 0.70~1.00 90 ＞1 000 100 
下载: 导出CSV
表 2 “源”“汇”景观要素不同类型面积占比
Table 2. Area proportion of different types of “source” “sink” landscape elements
景观类型 “汇”景观面
积占比/%“源”景观面
积占比/%核心区 55.91 31.83 孤岛 0.07 0.14 孔隙 2.46 1.61 边缘区 3.32 3.77 环岛 0.06 0.04 桥接区 0.06 0.08 支线 0.21 0.26
下载: 导出CSV
表 3 研究区各行政区景观廊道分布
Table 3. Distribution of landscape corridors in each administrative district
行政区 建筑密度/% “源-源”廊道长度/km 所占比例/% “汇-汇”廊道长度/km 所占比例/% “源-汇”廊道长度/km 所占比例/% 新都区 20.50 825.32 26.6 642.65 17.2 23 563.22 21.87 郫都区 20.43 518.02 16.7 810.47 21.8 17 422.12 16.17 双流区 12.72 509.82 16.4 689.71 18.6 23 944.23 22.22 温江区 19.12 357.46 11.5 233.84 6.2 9 438.32 8.76 龙泉驿区 11.16 345.57 11.1 171.33 4.6 9 768.86 9.06 金牛区 18.99 229.24 7.3 379.07 6.2 5 423.08 5.03 青白江区 15.01 201.95 6.5 31.16 0.8 3 699.39 3.43 成华区 14.49 90.75 2.9 18.13 0.5 2 827.71 2.62 锦江区 18.01 11.05 0.3 177.75 4.7 3 295.24 3.06 青羊区 28.09 7.04 0.2 303.22 8.2 3 500.85 3.25 武侯区 22.20 5.26 0.2 409.52 11.0 4 882.50 4.53
下载: 导出CSV
-
[1] 宫阿都, 李京, 王晓娣, 等. 北京城市热岛环境时空变化规律研究[J]. 地理与地理信息科学, 2005, 21(6): 15 − 18. GONG Adu, LI Jing, WANG Xiaodi, et al. Study on temporal and spatial distribution characteristics of the urban heat island in Beijing [J]. Geography and Geo-Information Science, 2005, 21(6): 15 − 18. [2] 刘孟竹, 李雅丽, 张红娟, 等. 1996—2017年张家口市区景观格局与地表热环境的时空变化[J]. 水土保持通报, 2021, 41(6): 303 − 309. LIU Mengzhu, LI Yali, ZHANG Hongjuan, et al. Spatiotemporal variations of landscape pattern and urban thermal environment in Zhangjiakou City during 1996−2017 [J]. Bulletin of Soil and Water Conservation, 2021, 41(6): 303 − 309. [3] 郭宇. 上海市热环境时空变化特征及其驱动机制研究[D]. 上海: 上海应用技术大学, 2022. GUO Yu. Temporal and Spatial Variation Characteristics of Urban Thermal Environment and Driving Mechanism in Shanghai City [D]. Shanghai: Shanghai Institute of Technology, 2022. [4] 杨务发, 余坤勇, 赵各进, 等. 基于热岛效应的福州市绿色廊道优化[J]. 浙江农林大学学报, 2022, 39(4): 876 − 883. YANG Wufa, YU Kunyong, ZHAO Gejin, et al. Optimization of greenways in Fuzhou based on heat island effect[J]. Journal of Zhejiang A&F University, 2022, 39(4): 876 − 883. [5] 陈利顶, 傅伯杰, 赵文武. “源”“汇”景观理论及其生态学意义[J]. 生态学报, 2006, 26(5): 1444 − 1449. CHEN Liding, FU Bojie, ZHAO Wenjie. Source-sink landscape theory and its ecological significance [J]. Acta Ecologica Sinica, 2006, 26(5): 1444 − 1449. [6] 周媛. 多元目标导向下的成都中心城区绿地生态网络构建[J]. 浙江农林大学学报, 2019, 36(2): 359 − 365. ZHOU Yuan. Developing urban greenspace ecological network in Chengdu City center based on multiple objectives [J]. Journal of Zhejiang A&F University, 2019, 36(2): 359 − 365. [7] 赵晨晓, 刘春卉, 魏家星. 缓解城市热岛效应的南京市绿色基础设施网络构建方法[J]. 浙江农林大学学报, 2021, 38(6): 1127 − 1135. ZHAO Chenxiao, LIU Chunhui, WEI Jiaxing. Green infrastructure network construction method for mitigating urban heat island effect in Nanjing [J]. Journal of Zhejiang A&F University, 2021, 38(6): 1127 − 1135. [8] 胡凤宁, 周亮. 城市绿色基础设施降温作用及其影响因素研究进展[J]. 生态学报, 2023, 43(11): 4445 − 4460. HU Fengning, ZHOU Liang. Cooling effect of urban green infrastructure and its impacting factors: a review [J]. Acta Ecologica Sinica, 2023, 43(11): 4445 − 4460. [9] 周媛, 陈明坤, 黎贝, 等. 基于空间连通性动态变化的城市绿地生态网络优化[J]. 中国城市林业, 2023, 21(4): 23 − 32. ZHOU Yuan, CHEN Mingkun, LI Bei, et al. Optimization of urban green space ecological network based on dynamic change of spatial connectivity [J]. Journal of Chinese Urban Forestry, 2023, 21(4): 23 − 32. [10] 周媛, 唐密, 陈娟, 等. 基于形态学空间格局分析与图谱理论的成都市绿地生态网络优化[J]. 生态学杂志, 2023, 42(6): 1527 − 1536. ZHOU Yuan, TANG Mi, CHEN Juan, et al. Optimization of urban green space ecological network in Chengdu based on morphological spatial pattern analysis and graph theory [J]. Chinese Journal of Ecology, 2023, 42(6): 1527 − 1536. [11] 乔治, 陈嘉悦, 王楠, 等. 基于MSPA和电路理论的京津冀城市群热环境空间网络[J]. 环境科学, 2023, 44(6): 3034 − 3042. QIAO Zhi, CHEN Jiayue, WANG Nan, et al. Spatial network of urban heat environment in Beijing-Tianjin-Hebei urban agglomeration based on MSPA and circuit theory [J]. Environmental Science, 2023, 44(6): 3034 − 3042. [12] 潘越, 龚健, 杨建新, 等. 基于生态重要性和MSPA核心区连通性的生态安全格局构建——以桂江流域为例[J]. 中国土地科学, 2022, 36(4): 86 − 95. PAN Yue, GONG Jian, YANG Jianxin, et al. Construction of ecological security pattern based on ecological lmportance and connectivity of MSPA-core area: a case study of guifiang river basin [J]. China Land Science, 2022, 36(4): 86 − 95. [13] 刘婷, 欧阳帅, 勾蒙蒙, 等. 基于MSPA模型的新型城市热景观连通性分析[J]. 生态学报, 2023, 43(2): 615 − 624. LIU Ting, OUYANG Shuai, GOU Mengmeng, et al. Analysis connectivity of urban heat island in a new-type urbanization based on MSPA model [J]. Acta Ecologica Sinica, 2023, 43(2): 615 − 624. [14] 刘莉莉. 基于MCR模型的鄠邑区生态安全格局构建[J]. 河南科技, 2023, 42(19): 112 − 116. LIU Lili. Construction of ecological security pattern in Huyi District based on MCR model [J]. Henan Science and Technology, 2023, 42(19): 112 − 116. [15] 李喆, 陈圣宾, 陈芝阳. 地表温度与土地利用类型间的空间尺度依赖性——以成都为例[J]. 生态环境学报, 2022, 31(5): 999 − 1007. LI Zhe, CHEN Shengbin, CHEN Zhiyang. Spatial scale dependence between land surface temperature and land use types: a case study of Chengdu City [J]. Ecology and Environmental Sciences, 2022, 31(5): 999 − 1007. [16] 覃志豪, ZHANG Minghua, ARNON K, 等. 用陆地卫星TM6数据演算地表温度的单窗算法[J]. 地理学报, 2001, 56(4): 456 − 466. TAN Zhihao, ZHANG Minghua, ARNON K, et al. Mono-window algorithm for retrieving land surface temperature from Landsat TM6 data [J]. Acta Geographica Sinica, 2001, 56(4): 456 − 466. [17] 贾海峰, 刘雪华. 环境遥感原理与应用[M]. 北京: 清华大学出版社, 2006. JIA Haifeng, LIU Xuehua. Principles and Applications of Environmental Remote Sensing [M]. Beijing: Tsinghua University Press, 2006. [18] LAL S, SHEEL V. A study of the atmospheric photochemical loss of N2O based on trace gas measurements [J]. Chemosphere-Global Change Science, 2000, 2(3/4): 455 − 463. [19] 贾玉雪, 帅红, 韩龙飞. 基于“源-汇”理论的资江下游地区非点源污染风险区划[J]. 应用生态学报, 2020, 31(10): 3518 − 3528. JIA Yuxue, SHUAI Hong, HAN Longfei. Zonation on non-point source pollution risk in the lower reaches of ZiJiang River based on the “source-sink” theory [J]. Chinese Journal of Applied Ecology, 2020, 31(10): 3518 − 3528. [20] 邵润钰, 罗紫薇, 胡希军, 等. 基于MSPA和MCR模型的株洲市生态网络构建与优化[J]. 西北林学院学报, 2024, 39(2): 217 − 227. SHAO Runyu, LUO Ziwei, HU Xijun, et al. Construction of Zhuzhou ecological network based on MSPA and MCR models [J]. Journal of Northwest Forestry University, 2024, 39(2): 217 − 227. [21] 陈胜兰, 丁山, 魏甫, 等. 基于生态景观连通性的浏阳市自然保护地整合优化评价[J]. 中南林业调查规划, 2023, 42(4): 21 − 25. CHEN Shenglan, DING Shan, WEI Fu, et al. Integrated optimization evaluation of natural protected areas in Liuyang City of Hunan Province based on ecological landscape connectivity [J]. Central South Forest Inventory and Planning, 2023, 42(4): 21 − 25. [22] 颜钰, 曾真, 陈秀铭, 等. 基于MCR模型的泉州市绿地生态网络构建与生态节点识别研究[J]. 山东林业科技, 2024, 54(1): 11 − 20. YAN Yu, ZENG Zhen, CHEN Xiuming, et al. Research on the construction of greenland ecological network and ecological nodes identification in Quanzhou city based on MCR modeling [J]. Journal of Shandong Forestry Science and Technology, 2024, 54(1): 11 − 20. [23] 郭家新, 胡振琪, 李海霞, 等. 基于MCR模型的市域生态空间网络构建[J]. 农业机械学报, 2021, 52(3): 275 − 284. GUO Jiaxin, HU Zhenqi, LI Haixia, et al. Construction of municipal ecological space network based on MCR model [J]. Transactions of the Chinese Society for Agricultural Machinery, 2021, 52(3): 275 − 284. [24] 韦宝婧, 苏杰, 胡希军, 等. 基于“HY-LM”的生态廊道与生态节点综合识别研究[J]. 生态学报, 2022, 42(7): 2995 − 3009. WEI Baojing, SU Jie, HU Xijun, et al. Comprehensive identification of eco-corridors and eco-nodes based on principle of hydrological analysis and Linkage Mapper [J]. Acta Ecologica Sinica, 2022, 42(7): 2995 − 3009. [25] 李程蓉, 陈天. 缓解城市热环境的多层级“源-汇”景观网络构建[J]. 生态学报, 2023, 43(8): 3068 − 3078. LI Chengrong, CHEN Tian. Construction of multi-level “source-sink” landscape network to alleviate urban thermal environment [J]. Acta Ecologica Sinica, 2023, 43(8): 3068 − 3078. 期刊类型引用(2)
1. 孔梦瑶，雷波，马光良，李琳，王鑫，刘祥东，张丽. 料慈竹秆形性状变化规律. 世界竹藤通讯. 2024(05): 70-77 . 
百度学术2. 袁金玲，岳晋军，马婧瑕，于磊，刘蕾. 元宝毛竹的秆形特征. 林业科学. 2023(05): 71-80 . 百度学术其他类型引用(0)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20230505
点击查看大图
计量
- 文章访问数: 370
- HTML全文浏览量: 244
- PDF下载量: 34
- 被引次数: 2
