下载:
-
随着中国城市化进入全面发展期，城市景观格局及其稳定性维护机制面临着巨大的人为改造压力[1]，如不透水地面增加，绿地和水体面积减少，景观破碎化加重等，以及人为热量排放等因素，使得城市热环境逐渐恶化[2]。目前，热岛效应已成为城市普遍面临的环境问题。绿色基础设施(green infrastructure，简称GI)在城市尺度上作为一种基础设施化的绿色空间网络，具有提供雨洪管理、气候调节、空气净化等生态系统服务的重要功能[3]，其要素中的绿地、水体大部分都具有“冷岛效应”[4]，可有效缓解热岛效应，提高城市应对气候变化的能力。通过多学科协作合理地规划布局城市绿色基础设施，对于改善城市热环境，进而指导城市的精明增长具有重要意义。目前，国内外学者主要运用实地观测、地表温度反演、数值模拟等3种手段，从不同侧重点出发对绿色基础设施的热环境效应展开相关研究。在基于气温实地观测来探讨绿色基础设施降温效应的相关研究方面，主要从城市绿地的面积与形状特征、植被结构特征、相关外部因素等3 个方面深入探讨了影响绿地降温效应的主要因素[5]。实测研究大多集中在中小尺度，其中许多研究证实城市绿地与周边区域相比具有明显的降温效应[6-7]，绿地的类型、面积、形状及植被遮阴面积等是影响绿地降温效应的重要因素[8-10]。大尺度的研究需借助遥感反演和地理信息空间分析技术。研究表明：下垫面类型[11]、所在斑块特征、邻近降温斑块空间关系特征[12]等是影响热岛效应分布范围和强度的重要因素。总体而言，研究多集中在缓解热岛效应的各类要素特征层面，而如何通过对城市绿色基础设施的整合分析和前瞻性布局实现其整体降温效应最大化的相关成果鲜见。作为中国“三大火炉”城市之一的南京是夏热冬冷，兼具“山水林城”景观要素的城市。随着人口不断增多和城镇建设用地快速扩张，南京城市热岛效应日趋显著。在满足城市扩张需求的前提下，如何利用有限的绿色空间资源形成高效的绿色基础设施网络布局，缓解城市热环境的恶化，已成为南京快速城市化过程迫切需要解决的重要课题。本研究以快速城市化的南京市主城区为研究对象，通过选取绿色基础设施核心区斑块中降温效应贡献值较高、连通性强的斑块作为“源”斑块，利用景观格局特征与地表覆盖构建阻力面，并基于最小成本路径方法，识别出以“源”斑块为起点和终点的最小成本路径作为降温廊道，并在整合现有空间规划的基础上，研究以缓解热岛效应为导向的绿色基础设施网络构建方法，以期从改善城市热环境的角度为城市绿色基础设施网络构建与发展提供借鉴与参考。
-
南京市位于中国东部长江中下游，31°14′~32°37′N，118°22′~119°14′E。2018年市域总面积为6 587.02 km2，其中城镇常住人口为685.89万人，城镇人口占比高达82.3%。气候为典型的北亚热带季风气候，四季分明，雨水充沛，春秋短而冬夏长。年温差较大，夏季平均气温为28.0 ℃左右，极端日最高气温达43.8 ℃。
近年来，南京市主城区绿色基础设施不断被城市建设所侵占，城市热环境持续恶化。如何改善因城市建设而造成的绿色空间破碎，构建合理高效的绿色降温网络，是实现南京绿色发展和改善城市人居舒适度的重要课题。本研究选取南京市主城区为研究区域，包括玄武区、秦淮区、鼓楼区、雨花台区、建邺区5个中心城区以及栖霞区、江宁区、浦口区3个近郊区。这些区是南京市的核心区域，城市化水平高，经济发展迅速，具有典型的现代城市特征，也最能反映南京市热岛效应的真实状况。
-
本研究采用南京市2015年Landsat TM影像数据(来源于地理空间数据云
http:/www.gscloud.cn/ )，通过单窗算法[13]进行温度反演，结合收集的气象资料，获得区域地表温度数据。使用ArcGIS 10.2对2015年南京土地利用数据结合现状调查资料(来源于南京市规划和自然资源局、南京市统计局)进行重分类后划分为耕地、林地、草地、水体、建设用地、裸地等6类，并将裸地温度作为标准地物温度，计算不同土地覆盖类型的降温率。 -
使用GUIDOS软件的形态学空间格局分析(morphological spatial pattern analysis，MSPA)对研究区斑块进行分析，得到7种景观连通类型：核心区、孤岛、边缘、穿孔、桥接区、环、支线，分别与地表温度叠加计算分析后，选取降温率突出、具有生境可利用性[14]的核心区作为“源”斑块的备选斑块。
城市景观格局是影响热岛效应强度和范围的重要因素[11]。景观连通性作为景观格局的重要部分，反映了绿色空间结构和功能特征，是衡量景观功能性的有效指标[15]。可能连通性指数(PC)的计算基于可能性模型，将生境斑块中的中间斑块参与到景观连通可能性的计算中，在此基础上计算出斑块重要值(dPC)，即每个斑块对于维持景观连通性的重要程度。
$$ {P_{\rm{C}}} = \frac{{\displaystyle\sum\limits_{i = 1}^n {\sum\limits_{j = 1,i \ne j}^n {{a_i}} } {a_j}{p_{ij}}}}{{A{L^2}}}{\displaystyle\text{；}} $$ (1) $$ {d_{{\rm{PC}}}} = \frac{{{P_{\rm{C}}} - {{{P}}_{{\rm{Cr}}}}}}{{{P_{\rm{C}}}}} \times 100{\text{。}} $$ (2) 式(1)~(2)中：ai和aj分别是斑块i和斑块j的贡献值(本研究中指面积)，n表示斑块总数，pij代表物种在斑块i和j直接扩散的最大可能性，PC为可能连通性指数值，PCr为去除单个斑块后剩下的斑块的整体指数值。PC计算值满足0＜PC＜1[16]。
根据斑块重要值(dPC)，采用Jenks自然间断点分级法对斑块进行分级[17]，计算出不同等级斑块的平均降温率。结合前人对绿色基础设施要素与降温效应关系的分析与研究[18]，选取备选斑块中降温效果最优、分布较均匀、景观特征具有代表性且面积大于5 hm2的斑块作为“源”斑块。
-
最小成本路径方法是根据用地耗费路径阻力值生成的空间上耗费成本最小的成本路径。本研究基于最小成本路径进行廊道识别，依据城市用地对热环境的缓解作用设置阻力值。由于城市景观格局与地表覆盖特征的改变被认为是城市热岛形成的直接原因[11]，因此需要计算获得能反映两者的指标值，即景观特征阻力值与地表覆盖阻力值。
①计算景观特征阻力值。景观格局指数可反映组成空间配置某些方面的特征[19]，因此初步选取斑块类型面积(AC)、最大斑块指数(ILP)、斑块密度(DP)、景观聚集度指数(IA)等10个景观格局指数，并利用Fragstats软件计算出各用地类型的景观格局指数。由于不同用地类型的景观特征差异较大，为选取最具代表性的景观格局指数，根据计算所得数据反映出的特征将用地类型划分为2类(地类A和B)，再通过相关性分析筛选出与地表平均温度相关性显著的指数，最后利用熵值法计算各指数的权重。在熵值法中用Pkl表示第l个信息在第k类项目中的不确定度，则整个信息(设有z个数据) 的不确定性为：
$$ S_k = - K\sum\limits_{l = 1}^z{P_{kl}}{\rm{ln}}P_{kl}{\text{。}} $$ (3) 式(3)中：Sk 为第k类景观格局指数的熵值；K 为常数，取决于数据组数。
由于各指数对于景观特征阻力值的贡献度正负作用不同，取该指数与地表平均温度相关系数的正负值，并将各景观格局指数与权重相乘叠加计算得出各用地的景观特征阻力值：
$$ {L_m} = {S_{m,{N_{\rm{P}}}}}{N_{{\rm{P}}m}} + {S_{m,{L_{{\rm{SI}}}}}}{L_{{\rm{SI}}}} + {S_{m,{I_{\rm{A}}}}}{I_{{\rm{A}}}}{\text{。}} $$ (4) 式(4)中：Lm为第m类用地的景观特征阻力值；Sm,Np为斑块数量(NP)与第m类用地所属地类相关系数的符号，正相关取值1，负相关取值−1，
$S_{m,L_{{\rm{SI}}}} $ 与$S_{m,I_{\rm{A}}} $ 同理；NPm为第m类用地斑块数量(NP)叠加权重后的指数值，景观形状指数(LSI)与景观聚集度指数(IA)同理。②计算地表覆盖阻力值。将降温率数据用规范化标准化方法(min−max标准化方法)将数据标准化，再根据热力过程对地表覆盖阻力值进行计算，最终得到各用地的地表覆盖阻力值：
$$ {V_m} = \frac{{{E_{{\rm{M}}m}} - {E_{{\rm{Mmin}}}}}}{{{E_{{\rm{Mmax}}}} - {E_{{\rm{Mmin}}}}}} + 0.001{\text{；}} $$ (5) $$ {F_m} = \frac{1}{{{V_m}}}{\text{。}} $$ (6) 式(5)~(6)中：Vm为标准化降温率；EMm为降温率；EMmax和EMmin为该组降温率数据中的最大、最小值。为消除0值，将标准化值+0.001。Fm为第m类用地类型地表覆盖阻力值[20]，为消除数据特性对阻力值的影响，将阻力值限制为1~1 001。
③确定指数权重。根据熵值法计算景观特征阻力值与地表覆盖阻力值的权重后，将其分别乘以对应的系数后叠加，得到各用地的成本路径阻力值：
$$ {C_m} = a{F_m} + b{L_m}{\text{。}} $$ (7) 式(7)中： Fm为地表覆盖阻力值， Lm为景观特征阻力值，a、b 为两者的系数。
④绿色基础设施网络构建。“可扩展路径”是景观由源地向周围扩散的可能方向，这些路径共同构成目标源景观的潜在生态网络[16]。降温网络则由“源”斑块及连接“源”斑块的廊道构成，可以减少空气受阻程度，保障空气交换的畅通，尤其在应对城市热岛效应方面发挥重要作用[21]。根据上述研究选取降温“源”斑块作为成本路径的起点和终点，为空间上不同的土地利用类型附上成本路径阻力值，通过最小累积阻力(MCR)模型识别，构建起“源”斑块之间的连接通道作为降温廊道，最后结合南京市绿地系统规划获得优化后的城市绿色基础设施降温网络。
-
根据形态学空间格局分析方法与地表温度叠加分析计算可得出，降温率从大到小依次为核心区、边缘、孔隙、桥接区、环、支线、孤岛(表1)，可见大型斑块对于城市热环境的改善效果较好，而分散的小型城市绿地对热量消解贡献较小。基于生境可利用性，选出507个核心区斑块作为“源”斑块的备选斑块。根据景观连通性重要程度的计算结果及Jenks自然间断点分级法的分级结果，备选斑块被分为5个等级(表2)，其中第1等级和第2等级斑块数量最少，重要程度最高，分布较均匀，包括南京市重要的绿色基础设施要素，如长江、紫金山、玄武湖、老山、青龙山等区域；第4等级和第5等级斑块在数量上更多，在空间上多为分散的小型城市绿地(图1)。再结合各级斑块的降温率(表3)可知：第1等级和第2等级斑块面积占比大、连通性强、降温率高，因而选择第1等级和第2等级共25个面积大于5 hm2的斑块作为降温网络“源”斑块(图2)。
表 1 7种类型地表温度分析
Table 1. Seven landscape connectivity types and their average temperature
类型 平均温度/℃ 降温率/% 类型 平均温度/℃ 降温率/% 支线 31.19 1.2 桥接区 30.90 2.1 边缘 30.42 3.6 环 31.02 1.7 孤岛 31.43 0.4 孔隙 30.42 3.6 核心区 29.02 8.0 表 2 斑块重要值分级
Table 2. Grading of cores by dPC (delta PC decomposed) value
等级 斑块数/个 斑块重要值取值区间 连通性重要程度 第1等级 9 79.551 5~0.738 7 极强 第2等级 16 0.591 5~0.113 0 强 第3等级 76 0.084 8~0.009 2 中 第4等级 287 0.008 7~0.000 2 弱 第5等级 119 0.000 1~0.000 0 极弱 
图 1 核心区斑块重要值分级示意图
Figure 1. Grading of cores by dPC value
表 3 各级斑块地表温度分析
Table 3. Analysis of surface temperature of patches at different levels
等级 面积占比/% 平均温度/℃ 降温率/% 第1等级 0.75 28.51 9.7 第2等级 0.12 29.17 7.6 第3等级 0.07 30.27 4.1 第4等级 0.05 30.38 3.7 第5等级 0.01 30.69 2.8 
图 2 降温“源”斑块选取示意图
Figure 2. Selection of cool “source” cores
-
通过不同用地类型的景观格局指数分析得知：林地、草地、水体的景观格局指数所显现的特征相似，被分为地类A；建设用地、裸地景观格局指数所显现出的特征相似，被分为地类B；耕地具有双重性质，被分为2个部分。将各景观格局指数与地类温度作相关性分析后(表4)，选出斑块数量(NP)、景观形状指数(LSI)、景观聚集度指数(IA)等3个指数作为景观特征阻力值影响主要因素。依据3个指数对降温的正负作用及由熵值法确定的权重系数计算后可得出各用地类型的景观特征阻力值(表5)。
表 4 景观格局指数与地类温度的相关性分析
Table 4. Correlation analysis between landscape pattern index and land type temperature
指数 地类A 地类B 指数 地类A 地类B 斑块类型面积 0.902 −0.125 边界密度 0.865 0.248 斑块所占面积 0.902 −0.125 景观形状指数 0.928 −0.871 斑块数量 −0.895 0.984 边缘面积分维数 0.782 −0.989 斑块密度 −0.895 0.984 斑块凝聚度 0.552 0.326 最大斑块指数 0.709 0.352 景观聚集度 −0.939 0.843 表 5 各用地类型景观特征阻力值
Table 5. Landscape characteristic resistance value of land use types
用地类型 斑块数/个 景观形状指数 景观聚集度指数 阻力值计算 标准化处理 景观特征阻力值 耕地(地类A) 233 46.814 89.237 −157.521 0.122 122 林地 300 26.128 88.888 −206.278 0.091 91 草地 35 10.371 85.364 −32.508 0.202 202 水体 515 31.096 84.228 −347.847 0.001 1 建设用地 1 831 44.087 87.721 1 222.137 1.001 1 001 裸地 32 9.606 74.742 29.259 0.241 241 耕地(地类B) 233 46.814 89.237 157.521 0.323 323 结合地表覆盖阻力值的计算结果，利用熵值法计算景观特征阻力与地表覆盖阻力的权重得出各用地类型的成本路径阻力值(表6)，赋予各地类空间分布可构成成本路径阻力面分布图(图3)。可以看到：成本路径阻力值从大到小依次为建设用地、裸地、耕地、草地、林地、水体，其中水体与建设用地为阻力值最小和最大的用地类型，接近极限值。利用最小累积阻力模型将成本路径阻力值叠加土地类型后，识别出的20条成本路径多沿河流并串联沿线小型生境斑块，其中主城区重要的城市河道如秦淮新河、秦淮外河、滁河均被识别为降温廊道。与“源”斑块一同构成了可缓解城市热岛效应的绿色基础设施网络(图4)。
表 6 各用地类型地表覆盖阻力值
Table 6. Ground cover resistance values of land use types
用地
类型平均
温度/℃降温
率/%降温率
标准化地表覆盖
阻力值成本路径
阻力值耕地 31.388 0.539 0.427 2.34 54 林地 30.235 4.193 0.676 1.48 22 草地 28.964 8.220 0.950 1.05 48 水体 28.730 8.961 1.001 1.00 1 建设用地 33.358 −5.705 0.001 1 000.00 1000 裸地 31.558 0.000 0.390 2.56 58 
图 3 成本路径阻力面示意图
Figure 3. Cost path resistance surface
图 4 绿色基础设施降温网络构建示意图
Figure 4. Cooling network of GI
-
将初步的构建网络与《南京市绿地系统规划(2013−2020)》进行对比后发现，本研究从生态斑块的“冷岛效应”出发构建的绿色基础设施网络与绿地规划中“四环六楔”及“九道十八射”的生态网络格局基本重合。同时，本研究还识别出了规划中忽略的廊道，可见该研究方法对于绿地、河流之间的潜在廊道识别具备一定的优势，可为国土空间规划提供参考和借鉴。结合现有规划，得到优化后的南京市主城区绿色基础设施网络，其结构可以归纳为“三环、六带、多线”(图5)。以“三环”为主体，其中明城墙为第1环，秦淮百里风光带与长江连接形成第2环，绕城高速道路绿地系统为第3环；结合连接 “三环”的6个重要降温廊道以及其他多个线型通道，共同构成南京市主城区的降温网络结构。
图 5 南京主城区绿色基础设施降温网络结构
Figure 5. Structure of cooling network for GI
-
运用形态学空间格局分析方法与景观连通分析综合识别出南京市主城区内的25个“源”斑块，与识别出的20条廊道共同构成缓解热岛效应的绿色基础设施网络，进而结合南京市绿地系统规划，提出“三环、六带、多线”的总体空间结构。
综合多种方法定量识别“源”斑块，避免了选择的主观性和忽略生境可利用性的情况。将反映景观格局的景观格局指数和反映地表覆盖特征的地表降温率利用熵值法确定权重后构建阻力面，再用最小成本路径方法进行廊道识别，对以往的构建方法进行了修正，使得缓解热岛效应导向下的绿色基础设施网络构建更加合理。
通过形态学空间格局分析、连通性分析，结合景观特征和地表覆盖双重指标赋值的最小成本路径方法的综合应用，为建构缓解城市热岛效应的绿色基础设施网络提供了一种新的研究思路与方法，也为通过合理布局绿色基础设施网络，改善城市人居环境提供借鉴。
-
根据研究目标的差异对阻力面的构建进行修正是科学构建绿色基础设施网格需研究的重要问题。以往使用最小成本路径法进行的研究中，常根据不同景观类型赋予相应的阻力系数构建阻力面[22-23]。在本研究中若将景观格局指数与地表温度分别计算权重相加，会忽略景观格局指数与地表温度所指示的特征差异及其对降温的正负作用等。基于上述问题，本研究赋值时考虑景观特征和地表覆盖双重指标，其中景观特征阻力值计算考虑到景观格局指数对不同地类阻力值贡献的正负性，并采用熵值法叠加多个计算结果权重，使得运算结果更加全面准确。
-
众多研究表明：城市中的绿色基础设施要素在解决城市生态、污染、气候等问题中具有突出的作用[24-25]，而相关的绿色基础设施网络构建研究仍处于起步阶段。安超等[26]基于空间利用生态绩效构建“自然生态”与“人文生态”相结合的绿色基础设施网络；王晶晶等[27]以多元价值为导向探索能够符合多种需求的复合型绿色基础设施网络。这些研究所运用的方法与构想都为本研究提供了可供借鉴的思路。本研究基于对快速城市化背景下热岛效应问题的思考，通过绿色基础设施网络构建结合城市绿地系统规划，提出了南京市主城区绿色基础设施网络应着力建设“三环、六带、多线”降温功能空间结构，为缓解城市热岛效应的绿色基础设施网络构建提供了一种研究思路，后续还可结合细颗粒物(PM2.5)消减、雨洪管理等热点问题进一步深入研究。
-
本研究的绿色基础设施网络构建结果不仅包含了传统绿地系统规划的若干重要生态廊道，对传统城市绿地系统规划容易忽视的城市大型生境斑块中的潜在廊道也具有识别优势，对生态系统服务与空间规划交叉领域的研究是一个有益的补充。本研究将降温廊道定义为降温效应贡献值大的“源”斑块之间的连接廊道，即空气流通方向为“源—源”，而实际中城市热岛效应主要是由“汇”景观大量集聚与扩张所造成，因此对“源—汇”“汇—汇”等不同热量传导方向廊道的降温效果都需进一步开展对比分析，从而补充现有网络，形成复合型降温网络。同时，绿色基础设施网络在明确降温廊道空间形态后，还应进一步通过绿色基础设施网络降温功能量化的方式，研究确定廊道具体建设宽度，如何串联分散的绿色基础设施要素等问题，使得降温网络能够更加科学地指导实践。
Green infrastructure network construction method for mitigating urban heat island effect in Nanjing
-
摘要:
目的 绿色基础设施网络作为覆盖城市的生态网络，对于热岛效应有着重要的调节和改善作用。探究绿色基础设施构建方法并进行合理规划布局是改善城市热环境问题的有效措施。 方法 以江苏省南京市主城区为研究对象，基于形态学空间格局分析，选取连通性高、降温效应显著的“源”斑块，将反映景观格局的景观格局指数和反映地表覆盖特征的地表降温率进行叠加并构建阻力面，进而采用最小成本路径方法生成廊道。 结果 ①识别出降温率高的507个核心区斑块，结合景观连通性分析选择了25个斑块作为“源”斑块；②基于最小成本路径方法识别出20条廊道，与“源”斑块共同构建出以缓解热岛效应为导向的城市绿色基础设施网络；③结合南京市绿地系统规划进行网络优化，提出“三环、六带、多线”的总体空间结构。 结论 多种方法的综合运用使缓解热岛效应导向的绿色基础设施网络构建更加合理，同时为建构绿色基础设施网络，改善人居环境提供了新的研究思路与方法。图5表6参27 Abstract:Objective As an ecological network covering the city, green infrastructure (GI) network plays an important role in mitigating the heat island effect. The purpose of this study is to explore the construction method and reasonable planning and layout of GI, as well as effective measures to improve the urban thermal environment. Method The main urban area of Nanjing City in Jiangsu Province was taken as the research object. Based on the morphological spatial pattern analysis (MSPA), the “source” patches with high connectivity and significant cooling effect were selected. The landscape pattern index reflecting the landscape pattern and the surface cooling rate reflecting the surface coverage characteristics were superposed to construct the resistance surface. Then, the minimum cost path method was used to generate corridors. Result (1) 507 core patches with high cooling rate were identified, and 25 patches were selected as “source” patches based on landscape connectivity analysis. (2) 20 corridors were identified by the minimum cost path method. Together with the “source” patches, the urban GI network was constructed to mitigate the heat island effect. (3) The network was optimized based on Green Space System Planning of Nanjing, and the overall spatial structure of “three rings, six belts and multiple lines” was proposed. Conclusion The comprehensive application of various methods makes it more reasonable to construct a GI network to mitigate the heat island effect, and provides a new research approach for building a GI network and improving urban living environment. [Ch, 5 fig. 6 tab. 27 ref.] -
蚂蚁作为膜翅目Hymenoptera蚁科Formicidae昆虫，在自然界中具有不可忽视的作用，具备改良土壤、分解有机质、促进土壤碳氮循环、维持微生态平衡等重要作用[1−2]，常被用作各类环境生物多样性的指示物种[3−4]。全世界已记载的蚂蚁共有16亚科342属14 187种[5]，蚂蚁是地球上分布最广、种类及数量最多的社会性昆虫[6]。
当前，中国的蚂蚁群落研究集中在西南地区[7−9]，而对西北地区蚂蚁群落研究报道较少。在新疆地区蚂蚁研究方面，吴坚等[10]记录了新疆地区2亚科、5属、14种；夏永娟等[11−12]记录了新疆地区3亚科、16属、43种，其中1新种；COLLINGWOOD等[13]报道准葛尔盆地及其邻近山区的蚂蚁46种，其中27种为中国新纪录种；黄人鑫等[14]报道了新疆蚂蚁42种新记录种。通过上述研究共记载了新疆蚂蚁3亚科20属118种，其中分布于天山的种类仅46种。可见，对新疆蚂蚁的研究，尤其是天山地区的研究还十分有限，且仅限于区系和分类，缺乏蚂蚁物种多样性的研究。近期，翟奖等[15]研究了新疆天山东部与邻近地区蚂蚁分布规律，共报道2亚科、14属、29种，发现蚂蚁物种主要集中在土壤温润、树木高大的人工林内；杨林等[16]对新疆天山中部的蚂蚁物种多样性进行了分析，共报道蚂蚁2亚科27种，北坡的蚂蚁物种多样性显著高于南坡，且中海拔区域的物种多样性最高。这些研究丰富了天山地区蚂蚁分布和物种多样性的研究，也使分布于天山的物种增加至50种。
天山中-西段主要位于克拉玛依的奎屯至阿克苏地区的库车一线区域，由北坡、山间谷地和南坡组成，于2022年7—8月对新疆天山中-西段的蚂蚁多样性进行调查，探讨蚂蚁群落结构、物种多样性与海拔和植被的关系等问题，并与天山中部的蚂蚁多样性进行比较，以全面揭示干旱区蚂蚁物种多样性随着海拔和植被的变化如何变化，以期为该地区的生物多样性保护提供基础资料。
1. 材料与方法
1.1 样地设置
新疆天山中-西段海拔为781~3 235 m，依地形划分为北坡独山子垂直带、山间起伏盆地的乌拉斯台和那拉提2个垂直带及南坡的库车垂直带，共4个垂直带。海拔每上升250 m，选取植被典型的1块50 m×50 m样地进行调查，共设置33块样地，其中垂直带中海拔最低的1块样地位于奎屯市独山子区天景颐园，海拔为781 m。各垂直带调查样地的位置及自然概况见表1。受野外自然条件限制，选定样地的海拔会有一定误差，控制在±50 m内。
表 1 新疆天山中-西段蚂蚁群落调查样地概况Table 1 Survey sites of ant communities in the middle-western section of Tianshan Mountains in Xinjiang垂直带 样地
编号海拔/m 纬度(N) 经度(E) 土壤类型 土壤湿度 植被类型 乔木郁闭度 盖度/% 地被物厚度/cm 灌木 草本 地被物 独山子 1 781 44°19′01.12″ 84°52′42.12″ 黄壤 潮湿 落叶阔叶林 0.5 0 70 70 1.0~2.0 2 1 050 44°12′39.95″ 84°50′46.69″ 黄壤 干燥 落叶阔叶林 0.3 5 75 75 0.5~1.0 3 1 278 44°09′56.52″ 84°49′39.46″ 黄沙土 干燥 灌丛 0 30 80 80 0.5~1.0 4 1 540 44°07′11.10″ 84°49′31.52″ 黄沙土 干燥 灌丛 0 30 70 70 0.5~1.0 5 1 726 44°06′08.44″ 84°48′15.93″ 黄沙土 潮湿 灌丛 0 40 60 60 1.0~2.0 6 2 029 43°53′15.47″ 84°29′59.35″ 黄壤 湿润 草丛 0 0 95 95 0.5~1.0 7 2 285 43°50′12.22″ 84°28′14.13″ 棕黄壤 湿润 灌丛 0 30 80 80 2.0~3.0 8 2 549 43°47′27.07″ 84°27′51.96″ 棕壤 湿润 草丛 0 0 95 95 1.0~2.0 9 2 773 43°46′43.76″ 84°27′21.36″ 灰黄壤 湿润 锦鸡儿灌丛 0 30 95 95 1.0~2.0 10 3 023 43°45′14.16″ 84°26′13.54″ 黄沙土 湿 草甸 0 0 95 95 1.0~2.0 11 3 235 43°44′21.20″ 84°24′57.72″ 灰棕壤 湿 草甸 0 0 85 85 1.0~2.0 乌拉斯台 11 3 235 43°44′21.20″ 84°24′57.72″ 灰棕壤 湿 草甸 0 0 85 85 1.0~2.0 12 3 024 43°42′27.20″ 84°26′51.60″ 棕壤 湿 草丛 0 0 80 80 1.0~2.0 13 2 760 43°41′15.80″ 84°23′57.55″ 棕壤 湿 柏木灌丛 0 50 90 90 1.0~2.0 14 2 533 43°40′02.69″ 84°24′24.03″ 棕壤 湿润 灌丛 0 30 90 95 0.5~1.0 15 2 295 43°37′57.52″ 84°18′48.52″ 棕壤 湿润 云杉林 0.6 20 70 100 2.0~3.0 16 2 000 43°21′36.52″ 84°22′00.32″ 棕壤 湿润 草丛 0 0 100 100 0.5~1.0 17 1 798 43°20′12.98″ 84°21′30.23″ 棕壤 湿润 针阔混交林 0.4 0 95 95 1.0~2.0 那拉提 18 1 802 43°13′43.85″ 84°19′15.64″ 棕壤 湿润 针阔混交林 0.5 30 95 95 2.0~3.0 19 2 020 43°13′31.38″ 84°19′24.66″ 棕壤 湿润 针阔混交林 0.5 70 50 100 1.0~2.0 20 2 288 43°11′26.28″ 84°19′42.82″ 棕壤 湿润 草丛 0 0 100 100 1.0~2.0 21 2 548 43°10′06.98″ 84°21′04.21″ 棕壤 湿润 高山柳灌丛 0 90 100 100 2.0~3.0 22 2 547 42°41′24.77″ 83°41′18.64″ 棕壤 湿润 草丛 0 0 100 100 0.5~1.0 23 2 785 42°34′51.52″ 83°36′53.84″ 棕壤 湿润 草丛 0 10 95 95 1.0~2.0 24 3 055 42°30′50.27″ 83°28′54.46″ 棕壤 湿 草丛 0 0 70 70 1.0~2.0 库车 25 3 058 42°28′36.91″ 83°26′04.32″ 棕壤 湿 草丛 0 0 95 95 1.0~2.0 26 2 759 42°27′50.54″ 83°24′29.82″ 黄壤 湿润 灌丛 0 50 95 95 1.0~2.0 27 2 508 42°27′38.24″ 83°23′21.49″ 暗棕壤 湿润 云杉林 0.5 20 95 100 2.0~3.0 28 2 233 42°26′31.70″ 83°15′21.55″ 黄壤 湿润 草丛 0 0 90 90 1.0~2.0 29 2 052 42°25′05.20″ 83°16′01.70″ 黄壤 湿润 草丛 0 10 98 98 1.0~2.0 30 1 773 42°13′34.37″ 83°13′57.53″ 黄沙土 湿润 灌丛 0 40 50 50 0.5~1.0 31 1 539 42°07′16.52″ 83°09′02.09″ 红壤 干燥 灌丛 0 30 10 30 0.5 32 1 269 41°51′24.16″ 82°49′08.19″ 黄沙土 干燥 疏灌丛 0 10 10 10 0.5 33 1 009 41°44′01.62″ 82°55′43.37″ 黄沙土 干燥 落叶阔叶林 0.2 30 30 30 0.5 说明：乌拉斯台垂直带在该海拔梯度内可选择的典型植被类型样地较少，为更直观地揭示蚂蚁物种数量变化，选择独山子垂直带海拔为3 235 m的样地(编号11)为乌拉斯台垂直带起始点。灌丛指多种灌木组成的灌丛，高于1.0 m，区别于单树种灌丛；疏灌丛指盖度小于10%的灌丛。锦鸡儿Caragana sinica；柏木Cupressus funebris；云杉Picea asperata；高山柳Salix cupularis。土壤湿度以含水量＜12%为干燥，12%~15%为湿润，15%~20%为潮湿，＞20%为湿。 1.2 调查及标本制作方法
参考文献[1]，在新疆天山中-西段不同海拔采用样地调查法和搜索法进行蚂蚁群落调查，在选定样地内沿对角线选取5个1 m×1 m的样方，每个样方间隔10 m，在采集地表蚂蚁前，先测量每个样方内地被物的厚度。分别采集样地地表样、土壤样和树冠样的蚂蚁，并将蚂蚁保存至装有无水乙醇的离心管，贴上标签。样方调查结束后，5人同时对样地内样方外周围地表、石下、树冠和朽木等微生境进行搜索调查，时间为1 h。将采集到的蚂蚁装入离心管并作标签和记录。依据同种同巢、同种形态相同原则对采集的标本进行归类、编号、登记，将每号标本制作成不超过9头的三角纸干制标本，多余的个体用无水乙醇浸渍保存，依据相关分类学文献[1, 10]鉴定蚂蚁标本，尽可能鉴定到种。
1.3 群落结构分析方法
按照黄钊等[8]的方法，以各类蚂蚁物种个体数占群落物种总数的比例(β)来揭示群落结构特征，采用常规划分标准分为5个类型，即类型 A 为 β≥10.0% ，优势种；类型B为 5.0%≤β＜10.0% ，常见种；类型C为 1.0%≤β＜5.0% ，较常见种；类型D为 0.1%≤β＜1.0% ，较稀有种；类型E为 β＜0.1%，稀有种。
1.4 多样性指标测定方法
利用Estimate S 9.1.0 对数据进行处理[17−18]，采用5项主要指标测定物种多样性：物种数目、Shannon-Wiener 多样性指数、Pielou 均匀度指数、Simpson 优势度指数、Jaccard 相似性系数[1, 19]，利用SPSS软件中的one-way ANOVA对各垂直带蚂蚁多样性的各个指数进行方差分析并进行多重比较；采用Pearson相关分析方法[20]分析蚂蚁群落多样性各个指数与海拔的相关性，若存在显著相关性，则使用线性和二项式模型进行拟合，基于拟合系数(R2)评价拟合度，并进行显著性t检验，同时分析蚂蚁群落多样性指标与植被特征的相关性。
2. 结果与分析
2.1 蚂蚁群落的结构分析
在新疆天山中-西段4个垂直带共采集蚂蚁136 247头，经鉴定共29种，隶属于2亚科12属。其中优势种3种，分别为草地铺道蚁Tetramorium caespitum、黑毛蚁Lasius niger和丝光蚁Formica fusca；常见种3种，分别是黄毛蚁L. flavus、光亮黑蚁F. candida和工匠收获蚁 Messor structor；角结红蚁 Myrmica angulinodis、红林蚁F. sinae等10种为较常见种；凹唇蚁F. sanguinea、喜马毛蚁L. himalayanus 和纹头原蚁Proformica striaticeps 3种为较稀有种；诺斯铺道蚁T. nursei、堆土细胸蚁Leptothorax acervorum等10种为稀有种(表2)，较常见种和稀有种种类较多。
表 2 新疆天山中-西段蚂蚁群落结构Table 2 Ant community structure of the middle-western section of Tianshan Mountains in Xinjiang编号 物种名称 N/头 β/% 物种类型 编号 物种名称 N/头 β/% 物种类型 1 草地铺道蚁Tetramorium caespitum 31 856 23.38 优势种 16 弯角红蚁Myrmica lobicornis 1 411 1.04 较常见种 2 黑毛蚁Lasius niger 22 629 16.61 优势种 17 凹唇蚁Formica sanguinea 1 002 0.74 较稀有种 3 丝光蚁Formica fusca 17 991 13.20 优势种 18 喜马毛蚁Lasius himalayanus 736 0.54 较稀有种 4 黄毛蚁Lasius flavus 12 247 8.99 常见种 19 纹头原蚁Proformica striaticeps 139 0.10 较稀有种 5 光亮黑蚁Formica candida 10 500 7.71 常见种 20 诺斯铺道蚁Tetramorium nursei 129 0.09 稀有种 6 工匠收获蚁Messor structor 9 688 7.11 常见种 21 堆土细胸蚁Leptothorax acervorum 128 0.09 稀有种 7 角结红蚁Myrmica angulinodis 4 406 3.23 较常见种 22 蒙古原蚁Proformica mongolica 116 0.08 稀有种 8 红林蚁Formica sinae 4 023 2.95 较常见种 23 长柄心结蚁Cardiocondyla elegans 12 0.01 稀有种 9 阿富汗红蚁Myrmica afghanica 3 903 2.86 较常见种 24 广布弓背蚁Camponotus herculeanus 5 0 稀有种 10 艾箭蚁Cataglyphis aenescens 3 695 2.71 较常见种 25 吉市红蚁Myrmica jessensis 4 0 稀有种 11 满斜结蚁Plagiolepis manczshurica 3 030 2.22 较常见种 26 婀娜收获蚁Messor aralocaspius 3 0 稀有种 12 草地蚁Formica pratensis 3 009 2.21 较常见种 27 蒙古切胸蚁Temnothorax mongolicus 3 0 稀有种 13 类干蚁Formica approximans 2 043 1.50 较常见种 28 针毛收获蚁Messor aciculatus 1 0 稀有种 14 掘穴蚁Formica cunicularia 1 933 1.42 较常见种 29 条纹切胸蚁Temnothorax striatus 1 0 稀有种 15 中亚凹头蚁Formica mesasiatica 1 604 1.18 较常见种 合计 136 247 100 说明：N为个体数，β为各类蚂蚁物种个体数占群落物种总数的比例。 2.2 蚂蚁群落的多样性指标分析
2.2.1 物种累积曲线分析
随着调查样地的增加，实际观察物种数(S)、基于多度(个体数量)的预测值(ACE)、Chao 1和Chao 2值均先急剧上升，后缓慢上升，最后趋于稳定(图1)。蚂蚁物种S为29，与丰富度估计值(ACE值为30.03，Chao1值为30，Chao 2值为29.97)相接近，实际采集到的物种数约为预测值的96.57%~96.76%，可见抽样充分。
图 1 新疆天山中-西段蚂蚁物种实测值和预测值累积曲线Figure 1 Cumulative curve of measured and predicted ant species in the middle-western section of Tianshan Mountains in Xinjiang2.2.2 物种数
从物种的实测值来看，新疆天山中-西段4个垂直带的蚂蚁物种数都接近或等于ACE估计值(表3)，其中独山子垂直带海拔2 773 m锦鸡儿灌丛、3 023 m草甸、3 235 m草甸，乌拉斯台垂直带海拔3 024 m草丛，那拉提垂直带海拔2 548 m高山柳灌丛、
3055 m草丛及库车垂直带3 058 m草丛样地均未发现蚂蚁。4个垂直带蚂蚁物种数顺序为：独山子垂直带(18种)＞那拉提垂直带(14种)＞库车垂直带(13种)＞乌拉斯台垂直带(10种)。如图2所示：各垂直带的蚂蚁物种数与海拔存在显著(P＜0.05)相关性。总体来看，各垂直带的蚂蚁物种数随海拔升高基本呈下降趋势。独山子、乌拉斯台和那拉提垂直带蚂蚁物种数与海拔的二项式变化趋势与线性变化趋势基本一致，线性模型显示乌拉斯台和那拉提垂直带的蚂蚁物种数与海拔分别呈显著(R2=0.770，P=0.022)和极显著(R2=0.739，P=0.013)负相关关系，二项式变化同线性分析趋势一致，但无显著相关性(P＞0.05)；而库车垂直带物种数与海拔的二项式模型呈现随海拔升高先升高后下降的单峰曲线。表 3 各垂直带蚂蚁群落多样性指标Table 3 Diversity indexes of ant communities in different vertical zones垂直带 物种数/种 ACE估计值 Shannon-Wiener多样性指数 Pielou均匀度指数 Simpson优势度指数 独山子 18 20.10±0.00 0.515 2±0.153 9 a 0.313 8±0.095 8 a 0.446 3±0.107 8 a 乌拉斯台 10 10.00±0.00 0.539 9±0.221 6 a 0.348 9±0.121 5 a 0.403 7±0.135 8 a 那拉提 14 16.54±1.49 0.596 7±0.265 9 a 0.329 9±0.139 0 a 0.316 8±0.132 5 a 库车 13 13.60±0.00 0.505 8±0.119 1 a 0.408 6±0.103 2 a 0.611 0±0.096 0 a 说明：同列相同字母表示差异不显著(P＞0.05)。数值为平均值±标准误。 2.2.3 多样性指数
新疆天山中-西段4个垂直带蚂蚁群落多样性指数变化顺序为：那拉提垂直带(0.596 7)＞乌拉斯台垂直带(0.539 9)＞独山子垂直带(0.515 2)＞库车垂直带(0.505 8)，但4个垂直带的蚂蚁多样性指数差异不显著(表3)。如图3所示：在4个垂直带上，独山子和乌拉斯台垂直带的蚂蚁多样性指数与海拔存在显著(P＜0.05)或极显著(P＜0.01)相关性，而那拉提和库车垂直带的蚂蚁多样性指数与海拔的相关性不显著(P＞0.05)。总体来看，各垂直带的蚂蚁多样性指数随海拔升高而呈现降低的趋势，二项式变化趋势与线性变化趋势基本一致。其中线性模型显示乌拉斯台垂直带蚂蚁多样性指数与海拔呈显著负相关(P＜0.05)，二项式变化趋势与线性分析一致，但无相关性。
2.2.4 均匀度指数
新疆天山中-西段4个垂直带蚂蚁群落均匀度指数变化顺序为：库车垂直带(0.408 6)＞乌拉斯台垂直带(0.348 9)＞那拉提垂直带(0.329 9)＞独山子垂直带(0.313 8)，但4个垂直带的蚂蚁均匀度指数差异不显著(表3)。如图4所示：在4个垂直带上，独山子和乌拉斯台垂直带的蚂蚁均匀度指数与海拔存在显著相关性(P＜0.05)，而那拉提和库车垂直带的蚂蚁均匀度指数与海拔关系不显著(P＞0.05)。其中在独山子垂直带，均匀度指数与海拔的线性模型显著负相关(P＜0.05)，二项式模型呈现极显著负相关(P＜0.01)，二项式和线性模型变化趋势不一致；线性模型显示乌拉斯台垂直带蚂蚁群落均匀度指数与海拔化显著负相关(R2=0.697，P＜0.05)，二项式和线性模型变化趋势不一致，且相关性不显著(P＞0.05)；线性和二项式模型显示，那拉提和库车垂直带的蚂蚁群落均匀度指数与海拔变化相关性均不显著(P＞0.05)，但二项式和线性模型变化趋势基本一致。
2.2.5 优势度指数
新疆天山中-西段4个垂直带蚂蚁群落优势度指数变化顺序为：库车垂直带(0.611 0)＞独山子垂直带(0.446 3)＞乌拉斯台垂直带(0.403 7)＞那拉提垂直带(0.316 8)，与多样性指数的变化趋势正相反，但4个垂直带的蚂蚁群落优势度指数差异不显著(表3)。相关分析发现：各垂直带的蚂蚁群落优势度指数与海拔的相关性不显著(P＞0.05)；4个垂直带的线性模型和二项式模型的变化趋势不一致，二项式模型分析均呈先升高后降低的变化趋势(图5)，仅独山子垂直带的二项式模型呈显著性(R2=0.846，P＜0.01)。
2.3 蚂蚁群落相似性分析
新疆天山中-西段各垂直带蚂蚁群落间相似性系数为0.166 7~0.600 0(表4)，处于极不相似至中等相似水平；平均值0.289 0，显示中等不相似水平。其中同处于山间盆地的那拉提与乌拉斯台垂直带的蚂蚁群落间相似性最大(0.600 0)，乌拉斯台与独山子垂直带的蚂蚁群落间相似性最小(0.166 7)，库车与那拉提垂直带之间相似性较低，处于中等不相似水平，其余垂直带间相似性低，处于极不相似水平。总体来说，新疆天山中-西段蚂蚁群落之间相似性较低，群落结构差异较大。
表 4 新疆天山中-西段各垂直带蚂蚁群落间相似性系数Table 4 Similarity coefficients of ant communities in the middle-western section of Tianshan Mountains in Xinjiang垂直带 垂直带q 乌拉斯台 那拉提 库车 独山子 0.166 7 0.230 8 0.240 0 乌拉斯台 0.600 0 0.210 5 那拉提 0.285 7 平均值 0.289 0 说明：q为相似性系数， 1≥q≥0.75，极相似；0.75 ＞q≥0.50，中等相似；0.50 ＞q≥0.25，中等不相似；0.25＞q≥0，极不相似。 2.4 蚂蚁群落多样性指标与植被特征相关分析
如表5所示：新疆天山中-西段蚂蚁物种数与乔木郁闭度显著正相关(P＜0.05)，但与灌木盖度、草木盖度、地被物盖度和地被物厚度相关性不显著；多样性指数、均匀度指数和优势度指数与植被特征的相关性均不显著。
表 5 蚂蚁多样性与植被特征相关分析Table 5 Correlation analysis between ant diversity and vegetation feature植被特征 物种数 多样性
指数均匀度
指数优势度
指数乔木郁闭度 0.424* 0.296 0.285 0.095 灌木盖度 0.049 0.099 0.114 −0.015 草本盖度 −0.226 −0.234 −0.234 −0.072 地被物盖度 −0.161 −0.143 −0.137 −0.075 地被物厚度 −0.148 −0.240 −0.256 −0.071 说明：数值为Pearson相关系数，*表示在0.05水平上显著相关。 3. 讨论
在新疆天山中-西段4个垂直带共采集蚂蚁136 247头，隶属于2亚科12属29种，物种数略高于新疆天山中段[16](2亚科15属27种)，与天山东段[15](2亚科14属29种)相等，但明显高于临近的祁连山国家公园青海片区[21](2亚科6属13种)，可能是因为天山中部和祁连山国家公园海拔较高，海拔落差较大，其物种丰富度较低，而新疆天山中-西段和东段由于平均海拔较低，蚂蚁物种丰富度较高，相对海拔高度对蚂蚁物种丰富度也有着重要影响。与同为干旱区的伊朗中部相比，新疆天山中-西段的蚂蚁物种数明显低于伊朗中部[22](8亚科12属34种)，可能是伊朗中部纬度和海拔均低于新疆天山，表明耐热性较低的物种更喜欢聚集在中部高海波区域[22]，而伊朗中部因适合蚂蚁生存的海拔跨度较大造成物种多样性较高，新疆天山中-西段由于低海拔炎热干燥，高海拔温度过低，适合蚂蚁生存的海拔跨度较小而使多样性较低。
目前，全球蚂蚁物种多样性沿海拔梯度变化主要呈现5种模式[23]：①随海拔升高蚂蚁多样性呈递减的趋势(物种多样性最高出现在低海拔区域)[24]；②低高原模式(300 m以下最低海拔的高多样性)；③单峰模式，即在中海拔区域物种多样性最高，可用“中域效应”来解释(海拔高于300 m)[25]；④随海拔升高蚂蚁多样性呈现多个峰值，可用“多域效应”来解释[26]；⑤无规律模式。研究表明：在沿海拔梯度的5种模式中，最常见的是单峰模式和递减模式[27−29]。中海拔地区的物种丰富度较高是由于高海拔或低海拔地区的气候严酷和高海拔地区资源的可利用性有限[30−31]；物种丰富度随海拔升高而下降，原因是海拔升高，温度和生产力下降[32]。通过对新疆天山中-西段4个垂直带的物种数和多样性指数分析发现：蚂蚁物种多样性沿海拔梯度变化总体呈现随海拔升高而降低的趋势，主要原因是随着海拔的升高气温会逐渐降低而影响蚂蚁的生存；4个垂直带的物种数和多样性指数与海拔变化显著相关，均匀度指数和优势度指数与海拔的相关显著性不尽相同，这与天山中部南北坡的蚂蚁多样性变化规律一致[16]。除了气温以外，还可能受到湿度的制约。与藏东南、四川西部大凉山和云南地区自然保护区不同，新疆天山位居中国内陆，印度洋季风因受到喜马拉雅山脉的阻挡而无法到达，太平洋季风虽可以到达，但距离较远，因此新疆天山常年较干旱，雨水较少，湿度较低，植被类型多以草地及灌木为主，蚂蚁物种丰富度也较低；从4个垂直带来看，蚂蚁物种数独山子垂直带(18种)＞那拉提垂直带(14种)＞库车垂直带(13种)＞乌拉斯台垂直带(10种)，独山子垂直带位于天山北坡，库车垂直带位于天山南坡，可见天山的北坡蚂蚁物种数比南坡要多，可能是因为新疆天山位于北半球，南坡为阳坡，北坡为阴坡，南坡日照时间长，水分蒸发量大，土壤湿度低，蚂蚁物种较少，这与天山中部南北坡的蚂蚁物种分布一致[16]。因此湿度也成为制约蚂蚁物种多样性的因素之一。同时温度和湿度也影响着植被类型、土壤结构和微生境等，故蚂蚁物种多样性受到多种因素的影响。
从群落相似性来看，那拉提与乌拉斯台垂直带的蚂蚁群落间相似性较高，其原因可能是这2个垂直带地理位置相邻，海拔高度和植被类型相似，相同的生境提供了相同的栖息场所和食物资源，从而孕育了较多相同的蚂蚁种类；而其余各垂直带间的群落相似性较低，处于极不相似至中等不相似水平，蚂蚁群落组成差异明显。相关性分析表明：天山中-西段蚂蚁群落的物种数与多样性指数与海拔变化呈显著负相关，海拔梯度显著影响该区域的蚂蚁物种多样性。有研究表明：凋落物覆盖率增高可增加蚂蚁的物种丰富度[33]，但蚂蚁物种丰富度与凋落物的数量间无显著相关性，本研究中各垂直带蚂蚁物种数与草本盖度、地被物的盖度和厚度负相关，但相关性不显著，与前人研究结果一致[34]；物种数与乔木郁闭度呈显著正相关，在四川王朗自然保护区[ 35]、青藏高原西南坡[36]和西北坡[37]等地区的研究也存在这种相关关系，可能是高大的乔木给蚂蚁提供了较理想的栖息场所、食物来源，蚂蚁群落得以发展。从栖息生境来看，天山中-西段的植被多为草丛和灌丛，仅在海拔相对较低的地方分布有阔叶林、针阔混交林，生态系统脆弱，保护和利用好区域内的昆虫生物多样性，对维持和改善生态系统具有重要意义。
4. 结论
在新疆天山中-西段4个垂直带共记录到蚂蚁2亚科12属29种，优势种为草地铺道蚁、黑毛蚁和丝光蚁。新疆天山中-西段的蚂蚁物种多样性明显高于祁连山国家公园青海片区，与天山东段和中段接近，低于同为干旱区的伊朗中部。整体而言，天山中-西段4个垂直带蚂蚁群落多样性指数随海拔升高而呈现降低趋势。物种数和多样性指数与海拔显著负相关，且物种数与乔木郁闭度显著正相关，海拔显著影响该地区的蚂蚁物种多样性，同时坡向、湿度、植被等也起到重要作用。各垂直带间的蚂蚁群落相似性总体较低，表明蚂蚁群落分化明显。
5. 致谢
感谢西南林业大学图书馆房华老师和研究生杨蕊、韩秀、杨林、钱怡顺在标本采集和样地调查，本科生杨润娇、何丽华、杨洋和潘宇航在标本整理与制作中的帮助。
-
表 1 7种类型地表温度分析
Table 1. Seven landscape connectivity types and their average temperature
类型 平均温度/℃ 降温率/% 类型 平均温度/℃ 降温率/% 支线 31.19 1.2 桥接区 30.90 2.1 边缘 30.42 3.6 环 31.02 1.7 孤岛 31.43 0.4 孔隙 30.42 3.6 核心区 29.02 8.0 
下载: 导出CSV
表 2 斑块重要值分级
Table 2. Grading of cores by dPC (delta PC decomposed) value
等级 斑块数/个 斑块重要值取值区间 连通性重要程度 第1等级 9 79.551 5~0.738 7 极强 第2等级 16 0.591 5~0.113 0 强 第3等级 76 0.084 8~0.009 2 中 第4等级 287 0.008 7~0.000 2 弱 第5等级 119 0.000 1~0.000 0 极弱
下载: 导出CSV
表 3 各级斑块地表温度分析
Table 3. Analysis of surface temperature of patches at different levels
等级 面积占比/% 平均温度/℃ 降温率/% 第1等级 0.75 28.51 9.7 第2等级 0.12 29.17 7.6 第3等级 0.07 30.27 4.1 第4等级 0.05 30.38 3.7 第5等级 0.01 30.69 2.8
下载: 导出CSV
表 4 景观格局指数与地类温度的相关性分析
Table 4. Correlation analysis between landscape pattern index and land type temperature
指数 地类A 地类B 指数 地类A 地类B 斑块类型面积 0.902 −0.125 边界密度 0.865 0.248 斑块所占面积 0.902 −0.125 景观形状指数 0.928 −0.871 斑块数量 −0.895 0.984 边缘面积分维数 0.782 −0.989 斑块密度 −0.895 0.984 斑块凝聚度 0.552 0.326 最大斑块指数 0.709 0.352 景观聚集度 −0.939 0.843
下载: 导出CSV
表 5 各用地类型景观特征阻力值
Table 5. Landscape characteristic resistance value of land use types
用地类型 斑块数/个 景观形状指数 景观聚集度指数 阻力值计算 标准化处理 景观特征阻力值 耕地(地类A) 233 46.814 89.237 −157.521 0.122 122 林地 300 26.128 88.888 −206.278 0.091 91 草地 35 10.371 85.364 −32.508 0.202 202 水体 515 31.096 84.228 −347.847 0.001 1 建设用地 1 831 44.087 87.721 1 222.137 1.001 1 001 裸地 32 9.606 74.742 29.259 0.241 241 耕地(地类B) 233 46.814 89.237 157.521 0.323 323
下载: 导出CSV
表 6 各用地类型地表覆盖阻力值
Table 6. Ground cover resistance values of land use types
用地
类型平均
温度/℃降温
率/%降温率
标准化地表覆盖
阻力值成本路径
阻力值耕地 31.388 0.539 0.427 2.34 54 林地 30.235 4.193 0.676 1.48 22 草地 28.964 8.220 0.950 1.05 48 水体 28.730 8.961 1.001 1.00 1 建设用地 33.358 −5.705 0.001 1 000.00 1000 裸地 31.558 0.000 0.390 2.56 58
下载: 导出CSV
-
[1] GEDZELMAN S D, AUSTIN S, CERMAK R, et al. Mesoscale aspects of the urban heat island around New York City [J]. Theor Appl Climatol, 2003, 75(1/2): 29 − 42. [2] 车通, 林芙蓉, 武思凡, 等. 快速城市化进程中扬州城市热环境与景观格局的动态关联[J]. 扬州大学学报(农业与生命科学版), 2020, 41(3): 120 − 126. CHE Tong, LIN Furong, WU Sifan, et al. Dynamic relationships between the urban thermal environment and the pattern of landscape development in Yangzhou City [J]. J Yangzhou Univ Agric Life Sci Ed, 2020, 41(3): 120 − 126. [3] 张炜, 杰克·艾亨, 刘晓明. 生态系统服务评估在美国城市绿色基础设施建设中的应用进展评述[J]. 风景园林, 2017, 24(2): 101 − 108. ZHANG Wei, JACK A, LIU Xiaoming. A review of the application of ecosystem service valuation in urban green infrastructure development of United States [J]. Landscape Archit, 2017, 24(2): 101 − 108. [4] 庄晓林, 段玉侠, 金荷仙. 城市风景园林小气候研究进展[J]. 中国园林, 2017, 33(4): 23 − 28. ZHUANG Xiaolin, DUAN Yuxia, JIN Hexian. Research review on urban landscape micro-climate [J]. Chin Landscape Archit, 2017, 33(4): 23 − 28. [5] 孔繁花, 尹海伟, 刘金勇, 等. 城市绿地降温效应研究进展与展望[J]. 自然资源学报, 2013, 28(1): 171 − 181. KONG Fanhua, YIN Haiwei, LIU Jinyong, et al. Research progress and prospect of cooling effect of urban green space [J]. J Nat Resour, 2013, 28(1): 171 − 181. [6] SANTAMOURIS M, BAN-WEISS G, OSMOND P, et al. Progress in urban greenery mitigation science-assessment methodologies advanced technologies and impact on cities [J]. J Civil Eng Manage, 2018, 24(8): 638 − 671. [7] HAMAMDA S, OHTA T. Seasonal variations in the cooling effect of urban green areas on surrounding urban areas [J]. Urban For Urban Greening, 2010, 9(1): 15 − 24. [8] 谢紫霞, 张彪, 佘欣璐, 等. 上海城市绿地夏季降温效应及其影响因素[J]. 生态学报, 2020, 40(19): 6749 − 6760. XIE Zixia, ZHANG Biao, SHE Xinlu, et al. The summer cooling effect and its influencing factors ofurban green spaces in Shanghai [J]. Acta Ecol Sin, 2020, 40(19): 6749 − 6760. [9] 栾庆祖, 叶彩华, 刘勇洪, 等. 城市绿地对周边热环境影响遥感研究——以北京为例[J]. 生态环境学报, 2014, 23(2): 252 − 261. LUAN Qingzu, YE Caihua, LIU Yonghong, et al. Effect of urban green land on thermal environment of surroundings based on remote sensing: a case study in Beijing, China [J]. Ecol Environ Sci, 2014, 23(2): 252 − 261. [10] KONG Fanhua, YAN Weijiao, ZHENG Guang, et al. Retrieval of three-dimensional tree canopy and shade using terrestrial laser scanning (TLS) data to analyze the cooling effect of vegetation [J]. Agric For Meteorol, 2016, 217: 22 − 34. [11] 刘焱序, 彭建, 王仰麟. 城市热岛效应与景观格局的关联: 从城市规模、景观组分到空间构型[J]. 生态学报, 2017, 37(23): 7769 − 7780. LIU Yanxu, PENG Jian, WANG Yanglin. Relationship between urban heat island and landscape patterns: from city size and landscape composition to spatial configuration [J]. Acta Ecol Sin, 2017, 37(23): 7769 − 7780. [12] 马瑞明, 谢苗苗, 郧文聚. 城市热岛“源—汇”景观识别及降温效率[J]. 生态学报, 2020, 40(10): 3328 − 3337. MA Ruiming, XIE Miaomiao, YUN Wenju. “Source-sink” landscape identification of the urban heat island and the cooling efficiency [J]. Acta Ecol Sin, 2020, 40(10): 3328 − 3337. [13] ISHWAR D, KATHRYN G A, TIMOTHY A W, et al. Phenology of trees and urbanization: a comparative study between New York City and Ithaca, New York [J]. Geocarto Int, 2011, 26(7): 507 − 526. [14] 吴健生, 刘洪萌, 黄秀兰, 等. 深圳市生态用地景观连通性动态评价[J]. 应用生态学报, 2012, 23(9): 2543 − 2549. WU Jiansheng, LIU Hongmeng, HUANG Xiulan, et al. Dynamic evaluation on landscape connectivity of ecological land: a case study of Shenzhen, Guangdong Province of South China [J]. Chin J Appl Ecol, 2012, 23(9): 2543 − 2549. [15] 董子燕, 张友水. 基于城市景观格局和连通性的地表温度贡献分析[J]. 地理信息世界, 2020, 27(4): 75 − 82. DONG Ziyan, ZHANG Youshui. Land surface temperature contribution analysis based on urban landscape pattern and connectivity [J]. Geomatics World, 2020, 27(4): 75 − 82. [16] KONG F H, YIN Haiwei, NAKAGISHI N, et al. Urban green space network development for biodiversity conservation: identification based on graph theory and gravity modeling [J]. Landscape Urban Plann, 2010, 95(1/2): 16 − 27. [17] WEBER T, SLOAN A, WOLF J. Maryland’s green infrastructure assessment: development of a comprehensive approach to land conservation [J]. Landscape Urban Plann, 2006, 77(1/2): 94 − 110. [18] 许霖峰. 应对热岛效应的深圳低碳城绿色基础设施规划策略研究[D]. 哈尔滨: 哈尔滨工业大学, 2013. XU Linfeng. Green Infrastructure Planning Strategy for Alleviating Urban Heat Island in Shenzhen Low-carbon City[D]. Harbin: Harbin Institute of Technology, 2013. [19] 邬建国. 景观生态学: 格局、过程、尺度与等级[M]. 北京: 高等教育出版社, 2000: 27 − 31. [20] 滕明君. 快速城市化地区生态安全格局构建研究: 以武汉市为例[D]. 武汉: 华中农业大学, 2011. TENG Mingjun. Planning Ecological Security Patterns in a Rapidly Urbanizing Context: a Case Study in Wuhan, China[D]. Wuhan: Huazhong Agricultural University, 2011. [21] 姚圩琴. 基于气候适应性的杭州主城区绿色基础设施构建策略研究[D]. 杭州: 浙江农林大学, 2007. YAO Weiqin. The Research on the Constructive Strategies of Green Infrastructure Based on the Climate Adaptability in Hangzhou Downtown[D]. Hangzhou: Zhejiang A&F University, 2007. [22] 徐文彬, 尹海伟, 孔繁花. 基于生态安全格局的南京都市区生态控制边界划定[J]. 生态学报, 2017, 37(12): 4019 − 4028. XU Wenbin, YIN Haiwei, KONG Fanhua. Development of ecological control boundaries in Nanjing metropolis district based on ecological security patterns [J]. Acta Ecol Sin, 2017, 37(12): 4019 − 4028. [23] SHI Xuemin, QIN Mingzhou. Research on the optimization of regional green infrastructure network [J]. Sustainability, 2018, 10(12): 4649. doi: 10.3390/su10124649. [24] 黄河, 余坤勇, 高雅玲, 等. 基于MSPA的福州绿色基础设施网络构建[J]. 中国园林, 2019, 35(11): 70 − 75. HUANG He, YU Kunyong, GAO Yaling, et al. Building green infrastructure network of Fuzhou using MSPA [J]. Chin Landscape Archit, 2019, 35(11): 70 − 75. [25] 戴菲, 毕世波, 孙培源. PM2.5消减效应导向下的城市绿色基础设施网络优化: 以湖北省武汉市江汉区为例[J]. 风景园林, 2020, 27(10): 51 − 56. DAI Fei, BI Shibo, SUN Peiyuan. Urban green infrastructure network optimization guided by PM2.5 reduction effect: a case study of Jianghan District, Wuhan City, Hubei Province [J]. Landscape Archit, 2020, 27(10): 51 − 56. [26] 安超, 沈清基. 基于空间利用生态绩效的绿色基础设施网络构建方法[J]. 风景园林, 2013, 20(2): 22 − 31. AN Chao, SHEN Qingji. Method of constructing network of green infrastructure based on ecological performance of space utilization [J]. Landscape Archit, 2013, 20(2): 22 − 31. [27] 王晶晶, 尹海伟, 孔繁花, 等. 基于供需匹配度视角的环太湖区域绿色基础设施网络构建[J]. 城市建筑, 2017(12): 19 − 24. WANG Jingjing, YIN Haiwei, KONG Fanhua, et al. The green infrastructure network planning in the area around Taihu Lake based on the matching degree between supply and demand [J]. Urban Archit, 2017(12): 19 − 24. 期刊类型引用(8)
1. 江峰，谭晓萍，周小青，叶正钱. 衢州市城市绿地土壤特性及改良措施. 林业科技通讯. 2024(08): 80-84 . 
百度学术2. 霍佳，吕刚，李坤衡. 辽西半干旱区典型城市土壤质量评价. 生态科学. 2023(05): 181-187 . 百度学术3. 杨涛，王丽，杜红霞. 绿地类型及植物配置对西安城市绿地土壤理化性质的影响. 现代园艺. 2023(22): 25-30+33+38 . 百度学术4. 周文娟. 园林土壤质量管理探讨配置的几点思考. 四川农业科技. 2019(01): 71-72 . 百度学术5. 唐赛男，王成，裴男才，张昶，王子研，段文军，孙睿霖. 广州南沙区河涌沿岸植物景观特征及其与人类活动的关系. 浙江农林大学学报. 2019(02): 375-385 . 本站查看6. 翁俊. 洪泽湖古堰森林公园的植物种类及应用. 黑龙江农业科学. 2018(01): 96-99 . 百度学术7. 秦娟，许克福. 我国城市绿地土壤质量研究综述与展望. 生态科学. 2018(01): 200-210 . 百度学术8. 施健健，蔡建国，刘朋朋，魏云龙. 杭州花港观鱼公园森林固碳效益评估. 浙江农林大学学报. 2018(05): 829-835 . 本站查看其他类型引用(3)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200816
点击查看大图
计量
- 文章访问数: 1753
- HTML全文浏览量: 431
- PDF下载量: 68
- 被引次数: 11
