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. DOI: 10.11833/j.issn.2095-0756.2019.02.018
Citation: 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. DOI: 10.11833/j.issn.2095-0756.2019.02.018

Developing urban greenspace ecological network in Chengdu City center based on multiple objectives

DOI: 10.11833/j.issn.2095-0756.2019.02.018
  • Received Date: 2018-04-09
  • Rev Recd Date: 2018-06-28
  • Publish Date: 2019-04-20
  • The research took the third ring area of Chengdu as a case study and used the morphological spatial pattern analysis (MSPA) method and landscape connectivity index to identify the most important core patches which maintain landscape connectivity. Then the key corridors were developed using MCR model, the least-cost path method and Gravity model and step stones were identified by using betweeness centrality. Finally, a plan to optimize the ecological network in the study area was put forward. This research indicated that the cores and bridges of ecological networks could be identified through the MSPA method and that landscape connectivity index could effectively extract 12 key core patches as ecological sources in greenspace network. The potential ecological network identified through the MCR model and the least-cost path method indicated that a certain number of ecological corridors were connected in the south, north and southwest part of the study area, but the density of the corridors was relatively small. There were few corridors connecting in the eastern and western parts of the study area; the ecological network was not perfect. On this basis, using the betweeness centrality of green patches, the 13 stepping stones such as Shahe park were selected to construct a reasonable ecological network of green areas in the study area. Compared with other urban green ecological network construction techniques, this method is more scientific and has more significant reference for urban green ecological network optimization.
  • [1] PAN Zhenhua, ZHOU Yuan, YAO Jing, NING Shunbin, LUO Yushu, WANG Manlin.  Research on optimization of urban thermal environment ecological network based on MSPA and minimum cumulative resistance model . Journal of Zhejiang A&F University, 2024, 41(5): 1085-1093. doi: 10.11833/j.issn.2095-0756.20230505
    [2] CUI Yanglin, DONG Bin, WEI Huimin, XU Wenrui, YANG Fei, PENG Liang, FANG Lei, WANG Yuting.  Granularity effect of landscape index at the county scale . Journal of Zhejiang A&F University, 2020, 37(4): 778-786. doi: 10.11833/j.issn.2095-0756.20190477
    [3] WANG Tao, XIAO Caixia, LIU Jiao, LU Xin.  Dynamic evolution and landscape ecological risks assessment of Qilu Lake in Yunnan Plateau . Journal of Zhejiang A&F University, 2020, 37(1): 9-17. doi: 10.11833/j.issn.2095-0756.2020.01.002
    [4] ZHENG Jie, YU Yiwu, BAO Yafang.  Construction of evaluation index system of herapeutic landscape environment in sanatoriums . Journal of Zhejiang A&F University, 2018, 35(5): 919-926. doi: 10.11833/j.issn.2095-0756.2018.05.017
    [5] XIE Yi'na, ZHAO Lejing, LIU Yungen, WANG Yan, HOU lei, LI Xiaoling.  Development of tourism beautiful village complex ecosystem based on the coupling coordinated model . Journal of Zhejiang A&F University, 2018, 35(4): 743-749. doi: 10.11833/j.issn.2095-0756.2018.04.020
    [6] WEN Guojing, LIU Yungen, WANG Yan, HOU Lei, WANG Yanxia, GUO Yujing.  Temporal and spatial evolution of landscape patterns and ecological risk in the Puzhehei Lake basin . Journal of Zhejiang A&F University, 2017, 34(6): 1095-1103. doi: 10.11833/j.issn.2095-0756.2017.06.018
    [7] WU Luyi, YUE Yongjie, LIU Guohou, GAO Runhong, SU Zhicheng.  Climate changes affecting regional landscape patterns at Xanadu . Journal of Zhejiang A&F University, 2016, 33(2): 232-238. doi: 10.11833/j.issn.2095-0756.2016.02.007
    [8] ZHANG Yanru, LIANG Lizhuang, NIU Shukui, HAN Hairong.  Ecological landscape quality of Taiyue Mountain in Shanxi . Journal of Zhejiang A&F University, 2016, 33(4): 599-604. doi: 10.11833/j.issn.2095-0756.2016.04.007
    [9] GUO Pingyan, JIANG Wenwei, Lü Yuan.  Construction of town green land ecological networks of Zonghan sub-district in Cixi City . Journal of Zhejiang A&F University, 2014, 31(1): 64-71. doi: 10.11833/j.issn.2095-0756.2014.01.010
    [10] LI Jia-jia, WANG Zhi-tai.  Landscape indices with sensor grain size changes in Meitan County,China . Journal of Zhejiang A&F University, 2012, 29(3): 335-343. doi: 10.11833/j.issn.2095-0756.2012.03.004
    [11] GUO Hui-hui, JIANG Wen-wei, MEI Yan-xia.  Landscape pattern analysis of Yinzhou new city zone based on high spatial resolution aerial photos . Journal of Zhejiang A&F University, 2012, 29(3): 344-351. doi: 10.11833/j.issn.2095-0756.2012.03.005
    [12] WEI Xin-liang, HE Ying.  A correlation study of generation factors for forest landscape effects . Journal of Zhejiang A&F University, 2011, 28(5): 701-705. doi: 10.11833/j.issn.2095-0756.2011.05.003
    [13] CHE Teng-teng, FENG Yi-ming, CAI Dao-xiong, ZHANG Wan-xing, ZHANG Xian-qiang, WU Chun-zheng.  Dynamics analysis on landscape patterns of Chinese tropical and subtropical plantation areas . Journal of Zhejiang A&F University, 2011, 28(5): 706-712. doi: 10.11833/j.issn.2095-0756.2011.05.004
    [14] DING Xiao-rong, WANG Li-lin.  Emergy analysis of ecological economic system and sustainability assessment of the Mount Mogan Scenic Area . Journal of Zhejiang A&F University, 2010, 27(6): 916-922. doi: 10.11833/j.issn.2095-0756.2010.06.019
    [15] LI Jun-ying, YAN Hong-wei, TANG Qiang, ZHU Yue.  A scenic beauty estimation model for a natural secondary forest . Journal of Zhejiang A&F University, 2010, 27(6): 923-927. doi: 10.11833/j.issn.2095-0756.2010.06.020
    [16] ZHANG Chun-ying, LIN Cong-hua, HONG Wei, WU Chen-zhen, HE Chun-ling, CHEN Ying-jiao.  Scale effect of landscape pattern indices for the Wuyishan Nature Reserve . Journal of Zhejiang A&F University, 2009, 26(6): 877-883.
    [17] XUAN Gong-qiao.  Application of landscape ecology principle in urban green space system planning . Journal of Zhejiang A&F University, 2007, 24(5): 599-603.
    [18] JIN He-xian, HUA Hai-jing, WANG Yan.  Application of landscape ecology and culture heritage to the modern landscape architecture . Journal of Zhejiang A&F University, 2006, 23(2): 224-227.
    [19] ZHANG Tao, WANG Wei, LIANG Cun-zhu, ZHANG Hui-dong, AN Hui-jun, PEI Hao, MENG Qing-wei.  Analysis of correlation between landscape fragmentation of suitable habitat and priority protection order of endangered plants peculiar to Eastern Alashan-Western Erdos Area . Journal of Zhejiang A&F University, 2006, 23(2): 193-197.
    [20] WEI Xin-liang, GUI Zu-yun, FANG Gong-yong, FANG Jian.  Ecological characteristics and eco-tourism development of scenic resource for mount Lingfeng . Journal of Zhejiang A&F University, 2000, 17(2): 155-158.
  • [1]
    OPDAM P, STEINGROÖVER E, van ROOIJ S. Ecological networks:a spatial concept for multi-actor planning of sustainable landscapes[J]. Landscape Urban Plann, 2006, 75(3/4):322-332.
    [2]
    LI Feng, WANG Rusong, PAULUSSEN J, et al. Comprehensive concept planning of urban greening based on ecological principles:a case study in Beijing, China[J]. Landscape Urban Plann, 2005, 72(4):325-336.
    [3]
    MAHMOUD A H A, El-SAYED M A. Development of sustainable urban green areas in Egyptian new cities:the case of El-Sadat City[J]. Landscape Urban Plann, 2011, 101(2):157-170.
    [4]
    LI Hui, YI Na, YAO Wenjing, et al. Shangri-La county ecological land use planning based on landscape security pattern[J]. Acta Ecol Sin, 2011, 31(20):5928-5936.
    [5]
    VOGT P, RⅡTTERS K H, ESTREGUIL C, et al. Mapping spatial patterns with morphological image processing[J]. Landscape Ecol, 2007, 22(2):171-177.
    [6]
    XU Feng, YIN Haiwei, KONG Fanhua, et al. Developing ecological networks based on mspa and the least-cost path method:a case study in bazhong western new district[J]. Acta Ecol Sin, 2015, 35(19):6425-6434.
    [7]
    WICKHAM J D, RⅡTTERS K H, WADE T G, et al. A national assessment of green infrastructure and change for the conterminous United States using morphological image processing[J]. Landscape Urban Plann, 2010, 94(3/4):186-195.
    [8]
    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.
    [9]
    KONG Fanhua, YIN Haiwei, NAKAGOSHI 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.
    [10]
    WU Jiansheng, ZHANG Liqing, PENG Jian, et al. The integrated recognition of the source area of the urban ecological security pattern in Shenzhen[J]. Acta Ecol Sin, 2013, 33(13):4125-4133.
    [11]
    SAURA S. Effects of remote sensor spatial resolution and data aggregation on selected fragmentation indices[J]. Landscape Ecol, 2004, 19(2):197-209.
    [12]
    CHEN Zhu'an, KUANG Da, WEI Xiaojian, et al. Development ecological networks based on MSPA and MCR:a case study in Yujiang county[J]. Resour Environ Yangtze Basin, 2017, 26(8):1199-1207.
    [13]
    WANG Haizhen, ZHANG Liquan. A GIS, landscape pattern and network analysis based planning of ecological network for Xiamen island[J]. Acta Phytoecol Sin, 2005, 29(1):144-152.
  • Created with Highcharts 5.0.7Amount of accessChart context menuAbstract Views, HTML Views, PDF Downloads StatisticsAbstract ViewsHTML ViewsPDF Downloads2024-052024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-040Highcharts.com
    Created with Highcharts 5.0.7Chart context menuAccess Class DistributionFULLTEXT: 23.3 %FULLTEXT: 23.3 %META: 75.8 %META: 75.8 %PDF: 0.9 %PDF: 0.9 %FULLTEXTMETAPDFHighcharts.com
    Created with Highcharts 5.0.7Chart context menuAccess Area Distribution其他: 5.5 %其他: 5.5 %其他: 0.1 %其他: 0.1 %China: 1.3 %China: 1.3 %Germany: 0.0 %Germany: 0.0 %Kao-sung: 0.0 %Kao-sung: 0.0 %San Mateo: 0.1 %San Mateo: 0.1 %Seattle: 0.1 %Seattle: 0.1 %United States: 0.0 %United States: 0.0 %[]: 0.9 %[]: 0.9 %七台河: 0.1 %七台河: 0.1 %上海: 9.7 %上海: 9.7 %东莞: 0.2 %东莞: 0.2 %临汾: 0.0 %临汾: 0.0 %丽水: 0.0 %丽水: 0.0 %乌鲁木齐: 0.1 %乌鲁木齐: 0.1 %九江: 0.2 %九江: 0.2 %伊朗: 0.1 %伊朗: 0.1 %佛山: 0.1 %佛山: 0.1 %兰州: 0.1 %兰州: 0.1 %北京: 13.9 %北京: 13.9 %北伯根: 0.0 %北伯根: 0.0 %十堰: 0.2 %十堰: 0.2 %南京: 0.2 %南京: 0.2 %南宁: 0.1 %南宁: 0.1 %南昌: 0.1 %南昌: 0.1 %南通: 0.2 %南通: 0.2 %南阳: 0.0 %南阳: 0.0 %博阿努瓦: 0.1 %博阿努瓦: 0.1 %台州: 0.3 %台州: 0.3 %合肥: 0.0 %合肥: 0.0 %呼和浩特: 0.0 %呼和浩特: 0.0 %咸阳: 0.0 %咸阳: 0.0 %哈尔滨: 0.1 %哈尔滨: 0.1 %哥伦布: 0.0 %哥伦布: 0.0 %嘉兴: 0.2 %嘉兴: 0.2 %圣克拉拉: 0.0 %圣克拉拉: 0.0 %天津: 0.9 %天津: 0.9 %奥尔巴尼: 0.0 %奥尔巴尼: 0.0 %宁波: 0.0 %宁波: 0.0 %宣城: 0.1 %宣城: 0.1 %常州: 0.2 %常州: 0.2 %平顶山: 0.0 %平顶山: 0.0 %广州: 0.4 %广州: 0.4 %张家口: 0.7 %张家口: 0.7 %成都: 0.7 %成都: 0.7 %扬州: 0.5 %扬州: 0.5 %新乡: 0.0 %新乡: 0.0 %昆明: 0.1 %昆明: 0.1 %晋城: 0.0 %晋城: 0.0 %杭州: 1.2 %杭州: 1.2 %松原: 0.1 %松原: 0.1 %武汉: 0.4 %武汉: 0.4 %汉中: 0.0 %汉中: 0.0 %泉州: 0.1 %泉州: 0.1 %洛阳: 0.1 %洛阳: 0.1 %济南: 0.0 %济南: 0.0 %深圳: 0.2 %深圳: 0.2 %温哥华: 0.0 %温哥华: 0.0 %温州: 0.3 %温州: 0.3 %湖州: 0.0 %湖州: 0.0 %湘潭: 0.0 %湘潭: 0.0 %湛江: 0.0 %湛江: 0.0 %漯河: 1.6 %漯河: 1.6 %潍坊: 0.0 %潍坊: 0.0 %珠海: 0.1 %珠海: 0.1 %百色: 0.0 %百色: 0.0 %盐城: 0.1 %盐城: 0.1 %石家庄: 0.3 %石家庄: 0.3 %福州: 0.1 %福州: 0.1 %纽约: 0.1 %纽约: 0.1 %绍兴: 0.0 %绍兴: 0.0 %绵阳: 0.1 %绵阳: 0.1 %芒廷维尤: 7.7 %芒廷维尤: 7.7 %芝加哥: 0.7 %芝加哥: 0.7 %苏州: 0.1 %苏州: 0.1 %衡阳: 0.0 %衡阳: 0.0 %衢州: 0.2 %衢州: 0.2 %西宁: 37.0 %西宁: 37.0 %西安: 0.1 %西安: 0.1 %贵阳: 0.1 %贵阳: 0.1 %资阳: 0.1 %资阳: 0.1 %运城: 0.3 %运城: 0.3 %通辽: 0.0 %通辽: 0.0 %邢台: 0.0 %邢台: 0.0 %邯郸: 0.2 %邯郸: 0.2 %邵阳: 0.1 %邵阳: 0.1 %郑州: 9.1 %郑州: 9.1 %鄂尔多斯: 0.0 %鄂尔多斯: 0.0 %重庆: 0.2 %重庆: 0.2 %长春: 0.0 %长春: 0.0 %长沙: 1.2 %长沙: 1.2 %长治: 0.0 %长治: 0.0 %阳泉: 0.2 %阳泉: 0.2 %阿什本: 0.0 %阿什本: 0.0 %阿拉尔: 0.0 %阿拉尔: 0.0 %青岛: 0.2 %青岛: 0.2 %马鞍山: 0.0 %马鞍山: 0.0 %黔西南: 0.1 %黔西南: 0.1 %其他其他ChinaGermanyKao-sungSan MateoSeattleUnited States[]七台河上海东莞临汾丽水乌鲁木齐九江伊朗佛山兰州北京北伯根十堰南京南宁南昌南通南阳博阿努瓦台州合肥呼和浩特咸阳哈尔滨哥伦布嘉兴圣克拉拉天津奥尔巴尼宁波宣城常州平顶山广州张家口成都扬州新乡昆明晋城杭州松原武汉汉中泉州洛阳济南深圳温哥华温州湖州湘潭湛江漯河潍坊珠海百色盐城石家庄福州纽约绍兴绵阳芒廷维尤芝加哥苏州衡阳衢州西宁西安贵阳资阳运城通辽邢台邯郸邵阳郑州鄂尔多斯重庆长春长沙长治阳泉阿什本阿拉尔青岛马鞍山黔西南Highcharts.com
  • Cited by

    Periodical cited type(20)

    1. 张浪,仲启铖,张瑞,张桂莲. 城市绿地生态网络概念辨析及构建方法探析. 园林. 2024(01): 4-10 .
    2. 裴鹏旭,朱子扬,刘丹凤. 基于健康城市视角的国内生态网络构建方法研究进展. 现代园艺. 2024(05): 93-95+102 .
    3. 汪子茗,吕梁,汪峰. 基于多源数据的山地县域绿色基础设施网络构建及修复策略——以重庆市万州区为例. 热带地理. 2024(02): 303-314 .
    4. 潘振华,周媛,姚婧,宁顺斌,罗于舒,汪曼林. 基于形态空间格局分析与最小累积阻力模型的城市热环境生态网络优化研究. 浙江农林大学学报. 2024(05): 1085-1093 . 本站查看
    5. 周媛,唐密,陈娟,黎贝. 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. 生态学杂志. 2023(06): 1527-1536 .
    6. 赵志俊,谈珣珣. 基于生态网络构建与优化的太仓国土空间生态保护修复关键区域诊断与识别. 地质学刊. 2023(02): 188-195 .
    7. 周媛,陈明坤,黎贝,李朋瑶,郁婧雪,陈娟. 基于空间连通性动态变化的城市绿地生态网络优化. 中国城市林业. 2023(04): 23-32 .
    8. 杨青娟,林子琦,张启茂,王晚林,陈萱泽. 高铁廊道桥下空间生态节点识别及优化研究——以成都市建成区高铁廊道为例. 南方建筑. 2023(10): 38-46 .
    9. 张守法,李翅,赵凯茜. 基于生态网络构建的贵阳市绿地景观格局优化研究. 中国园林. 2022(05): 68-73 .
    10. 姚新治,杨航,王立涛,许磊,何鹏飞,田国行. 基于MSPA模型的登封市生态网络构建与优化. 河南科学. 2022(05): 776-784 .
    11. 赵文静,滕尊,张萍萍,方新宇,李若男. 合肥市滨湖新区绿地景观格局动态变化研究. 安徽建筑大学学报. 2022(03): 34-39+46 .
    12. 杨务发,余坤勇,赵各进,耿建伟,赵秋月,杨柳青,刘健. 基于热岛效应的福州市绿色廊道优化. 浙江农林大学学报. 2022(04): 876-883 . 本站查看
    13. 黄舒语,王春晓,王俊杰. 景观格局视角下城市生态网络构建方法探究——以深圳市坪山区为例. 住区. 2022(06): 6-13 .
    14. 郭玲子,徐恩凯,汤瑶,田国行. 郑州市中原区结构性绿地功能性连接分析与优化研究. 环境科学与管理. 2021(02): 28-33 .
    15. 刘艳芬,余坤勇,赵秋月,高仰驰,艾婧文,陈凤飞,刘健. 基于服务能力的福州主城区城市公园布局分析. 浙江农林大学学报. 2021(02): 387-395 . 本站查看
    16. 白明,布仁门德. 基于可持续发展视角的生态林业建设对策. 林产工业. 2021(04): 81-83 .
    17. 梁鑫斌,郭娜娜,连洪燕,周宝娟. 城市生态网络构建与优化——以徐州市为例. 重庆建筑. 2021(06): 5-8 .
    18. 崔杨林,董斌,位慧敏,徐文瑞,杨斐,彭亮,方磊,王裕婷. 县域尺度下景观指数的粒度效应. 浙江农林大学学报. 2020(04): 778-786 . 本站查看
    19. 罗言云,李春容,谢于松,王倩娜. 成都市中心城区城市公园景观连通性. 生态学杂志. 2020(11): 3795-3807 .
    20. 张瑞,张青萍,唐健,张浪. 我国城市绿地生态网络研究现状及发展趋势——基于CiteSpace知识图谱的量化分析. 现代城市研究. 2019(10): 2-11 .

    Other cited types(12)

通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Figures(4)  / Tables(4)

Article views(3992) PDF downloads(111) Cited by(32)

Related
Proportional views

Developing urban greenspace ecological network in Chengdu City center based on multiple objectives

doi: 10.11833/j.issn.2095-0756.2019.02.018

Abstract: The research took the third ring area of Chengdu as a case study and used the morphological spatial pattern analysis (MSPA) method and landscape connectivity index to identify the most important core patches which maintain landscape connectivity. Then the key corridors were developed using MCR model, the least-cost path method and Gravity model and step stones were identified by using betweeness centrality. Finally, a plan to optimize the ecological network in the study area was put forward. This research indicated that the cores and bridges of ecological networks could be identified through the MSPA method and that landscape connectivity index could effectively extract 12 key core patches as ecological sources in greenspace network. The potential ecological network identified through the MCR model and the least-cost path method indicated that a certain number of ecological corridors were connected in the south, north and southwest part of the study area, but the density of the corridors was relatively small. There were few corridors connecting in the eastern and western parts of the study area; the ecological network was not perfect. On this basis, using the betweeness centrality of green patches, the 13 stepping stones such as Shahe park were selected to construct a reasonable ecological network of green areas in the study area. Compared with other urban green ecological network construction techniques, this method is more scientific and has more significant reference for urban green ecological network optimization.

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. DOI: 10.11833/j.issn.2095-0756.2019.02.018
Citation: 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. DOI: 10.11833/j.issn.2095-0756.2019.02.018
  • 城市化进程和城乡统筹建设的加速推进,在推动社会经济发展的同时也带来一系列的城市环境问题。如绿地面积不断减少、景观破碎化严重、生物多样性降低、景观功能连通性差等,严重削弱了城市绿地的生态调控能力和城市的可持续发展。面对日益严重的城市环境问题,城市绿地生态规划应考虑如何尽可能利用现有生态空间、综合运用各种空间分析方法/技术构建具有最优生态效能的绿地生态网络结构,并使之成为规划层面上解决生态环境问题的重要手段[1]。目前,城市绿地空间特征及绿地生态网络的构建工作主要根据景观生态学原理,利用地理信息系统(GIS)和景观格局指数等进行[2-3]。一般认为,城市绿地生态网络构建的关键问题是核心绿地斑块以及生态廊道[4]的识别。近年来,由VOGT等[5]提出的基于数学形态学原理的形态学空间格局方法(morphological spatial pattern analysis,MSPA)将土地利用覆盖图的景观分为核心、连接桥、孤岛等相互独立的7种类型,在识别网络结构中的大型绿地斑块并确定相互之间的重要程度上作用明显[6-7]。而最小累积阻力模型(minimal cumulative resistance model,MCR)在综合考虑区域内的自然社会环境、人为干扰等多影响因素后,构建综合阻力面,科学模拟生成区域内的潜在生态廊道;利用重力模型、图谱理论[8-9]、相对生态重要性与相对城镇发展胁迫赋值加权方法[8]等,则能更科学合理地判断生态廊道的相对重要程度。当前大部分研究是将生态环境质量较好或面积相对较大的绿地作为核心斑块,并未考虑斑块间的景观连通性及相对重要程度[10]。本研究利用MSPA方法分析2016年成都市三环区域内的绿地景观空间形态格局,提取对绿地生态网络构建具有重要生态意义的核心区和连接桥区;根据整体连通性(CII),可能连通性(CP)和斑块重要性(DI)等连通性景观指数对核心区和连接桥区景观连接度的评价结果筛选重要生态源地;耦合MCR模型、最小路径方法、重力模型提取重要生态廊道,经中介中心度识别中介作用较好的斑块作为踏脚石,以此构建优化的绿地生态网络。

  • 成都市位于四川省中部(30°05′~31°26′N,102°54′~104°53′E),海拔为450~750 m,属亚热带湿润季风气候区,雨水充沛,四季分明;常年最多风向为静风;年平均气温为15.2~16.6 ℃,年平均降水量为873.0~1 265.0 mm;地势差异显著,西北高,东南低,地形地貌复杂,自然生态环境多样,生物资源十分丰富。成都市三环包括武侯区、锦江区、金牛区、成华区、青羊区以及青白江区的部分区域。在以全面建设现代田园城市的发展理念指导下,按照《成都市城市总体规划(2016-2035年)(草案)》和《成都市绿地系统规划(2003-2020)》目标,成都市将建成一个绿量充沛、布局合理、功能完善、生物多样、景观优美、特色鲜明的城市绿地系统。因此,研究绿地生态网络结构对成都市绿化建设具有重要意义。

  • 以《成都市绿地系统规划(2003-2020)》和《成都市城市总体规划(2016-2035年)(草案)》为指导,采用2016年成都三环内的QuickBird高分辨率遥感影像,空间分辨率为0.61 m;根据高分辨率遥感影像的特点,采用分类精度较高的目视解译方法获取绿地、水体、道路等城市土地利用数据;通过地形图和实地采点验证,解译精度88.5%,满足研究区景观分析的精度要求。

  • 利用地理信息系统(GIS)技术将城市用地类型中的绿地和水体属性值设为2,其他用地类型设为1,空白区域属性值设为0,并将其转化为TIFF格式的二值栅格数据。本研究区面积较小,绿地景观较为破碎,为了准确识别不同面积大小斑块对景观连通性的重要作用并增加核心区域之间的连通性,本研究在MSPA尺度敏感性分析的基础上,选择8领域连通性原则,设定边缘宽度为1,栅格大小为3 m × 3 m的研究尺度分析城市绿地景观空间形态格局。利用Guidos软件对栅格数据进行MSPA分析,得到包括核心、孤岛、连接桥、环、分支、边缘、穿孔7种不同的景观类型[5]。在对结果进行统计分析的基础上提取出具有重要意义的核心区和连接桥区作为景观连通性分析的基础数据。

  • 景观连通性水平能够量化表征该景观类型对生态源地斑块内物种迁移的有利程度。本研究利用Conefor软件,选用整体连通性[CII,式(1)],可能连通性[CP,式(2)]和斑块重要性[DI,式(3)]3个景观指数[6, 11],对核心区和连接桥区进行景观连接度评价。经过反复计算,将生态源地斑块间的连通距离阈值设置为500 m,连通概率设置为0.5。

    式(1)~(3)中:n表示研究区内总斑块;aiaj分别为斑块i和斑块j的面积;nlij为斑块i和斑块j之间的连接;$ {{p_{ij}}^ * }$为斑块i与斑块j之间全部路径概率的最大乘积值;AL为研究区景观总面积;I为某一景观的连接度指数,本研究中为整体连通性指数(CII)和可能连通性指数(CP);${{I_{{\rm{remove}}}}} $为去除该斑块后的景观连接度指数。

  • 利用最小累积阻力(RMC)模型[式(4)]计算生物在不同生境间迁移、扩散的最佳路径[11-12]

    式(4)中:$ {{D_{ij}}}$表示从源点j到空间单元i的空间距离;Ri表示空间单元i的阻力系数。首先根据景观连通性评价中核心斑块重要性DPC值大小选取生态源地,选取高程、土地利用类型、与城市道路的距离、与河流水系的距离等阻力因子。各景观阻力因子分4个阻力等级分值,分值越高则代表生物扩散阻力越大,各因子的阻力分值及权重主要参考国内外相关研究成果以及专家打分法确定(表 1)。各因子转化为30 m × 30 m栅格单元大小的数据,通过加权叠加计算获得综合阻力面,作为MCR模型的成本数据。然后,利用GIS的Spatial Analyst工具计算生态源地到目标斑块的最小成本路径[6],并生成由潜在廊道组成的绿地生态网络。利用重力模型[式(5)][6, 12],计算生态源地间的相互作用矩阵,评价不同生态源地间的相互作用强度,量化分析研究区内潜在生态廊道的相对重要性。

    景观类别 分级指标 景观阻力 权重
    高程/m <460 1 0.12
    460~480 2
    480~510 3
    >510 4
    坡度/(°) <5 1 0.15
    5~15 2
    15~25 3
    >25 4
    土地利用类型 绿地 1 0.18
    林地、弃置和再建地 2
    水体 3
    建设用地 4
    与铁路的距离/m >2 000 1 0.12
    1 500~2 000 2
    1 000~500 3
    <500 4
    与城市道路距离/m >200 1 0.16
    150~200 2
    100~150 3
    <50 4
    与城市河流距离/m >2 000 1 0.15
    1 500~2 000 2
    1 000~500 3
    <500 4

    Table 1.  Impedance values of each landscape type

    式(5)中:${G_{ij}} $是斑块与斑块间的相互作用强度;NiNj为斑块i与斑块j的权重;Dij为斑块i与斑块j之间潜在廊道的标准化阻力值大小;Pi为斑块i的整体阻力值;Si为斑块i的面积;Lij为斑块i与斑块j之间潜在廊道的累积阻力值;Lmax为研究区内所有廊道的最大阻力值。

  • 中介中心度(betweeness centrality)是从连通性角度出发识别生态网络中占据中心位置斑块的有效方法,也是判别景观斑块是否为重要踏脚石的量化标准。中介中心度的分值大小为0~1,分值越高,踏脚石斑块的重要程度越大。本研究利用GIS中Matrix Green空间分析模块的中介中心度计算生态网络中绿地斑块的中介作用大小,并根据其分值大小选定生态网络中具有重要枢纽作用的踏脚石斑块。中介中心度公式为:

    式(6)中:N为网络中的节点数;njk为节点j与节点k间最短路径的条数;njki)为节点j与节点k之间的最短路径经过节点i的条数。

  • 根据景观生态网络连接度理论,采用α指数、β指数、γ指数[13]对优化后的成都市绿地生态网络结构进行评价。$\alpha = \left( {e - v + p} \right)\left( {2v - 5p} \right), \beta = e/v, \gamma = e/3\left( {v - 2p} \right) $。其中:e代表连线数目;v代表节点数目;p代表网络中互不连接的亚图数目,一般取值为1。α指数是衡量网络闭合性的指标,数值范围为0~1,值越接近于1则网络闭合性越好;β指数是衡量网络连通度的指标,数值范围为0~3,数越大则网络结构完善度越高;γ指数用来衡量网络的连通程度,数值范围为0~1,值越接近1则表示网络中每个节点间都存在连线。

  • 根据MSPA各景观类型统计分析结果(图 1表 2)可见:研究区核心区面积约为12.972 km2,占总面积的85.85%,主要分布在成都市三环内的清水河、沙河、府南河沿线,空间连通性较好;研究区东北部和西南部核心斑块相对较少,斑块间相互独立,景观连通性较差。连接桥区面积约为0.048 km2,占总面积的0.32%;受绿地斑块较分散、破碎化程度高的影响,作为结构性廊道的连桥接需连接不同的核心斑块,因此分布也较为分散。边缘区是核心区与外部非绿色空间的过渡地带,具有边缘效应和保护核心区不被外界因素干扰的功能,占总面积的11.98%。与边缘区相似的是穿孔区,是核心区与内部非绿色空间的过渡地带,也具有边缘效应,占总面积的0.06%。边缘区与穿孔区作为景观空间格局中的组成要素,可根据其范围大小划定相应的缓冲区域以适应边缘效应。作为“踏脚石”斑块的孤岛,在空间格局中分布相对孤立,面积相对较小,景观连通性低。分支在绿地空间格局中所占比例相对较小,约为总面积的0.86%,它与连接桥、环、穿孔等具有一定的连通性。环是联系同一核心区的内部环状廊道,也是生物迁移的重要通道,约占面积的0.02%。

    Figure 1.  Landscape types map based on MSPA

    景观类型 占MSPA总面积的百分比/% 面积/km2
    核心 85.85 12.972
    连接桥 0.32 0.048
    孤岛 0.92 0.139
    边缘 11.98 1.810
    穿孔 0.06 0.009
    0.02 0.003
    分支 0.86 0.130
    总计 100.00 15.111

    Table 2.  Classification statistics table of MSPA

  • 景观连通性指数计算(图 2表 3)将DPC值大于4的12个核心斑块作为生态源地,剩余的核心区根据DPC值大小划分为3个等级:极重要核心区(1.0<DPC≤4.0),重要核心区(0.1<DPC≤1.0),一般核心区(DPC≤0.1)。连接桥区根据DPC值大小分为极重要连接桥区(DPC>0.8),重要连接桥区(0.2<DPC≤0.8),一般连接桥区(DPC≤0.2)。由图 2可看出:连通性较大的核心斑块和连接桥大多分布在研究区的西部,表明该区域内的斑块生境质量高,景观连通性相对较好,利于物种在斑块间的迁移与物质能量的流动。研究区的北部和南部虽然也有一定数量的核心斑块,但数量较少,空间上相对较为分散,不利于生物物种的迁移与扩散。研究区东部核心斑块数量最少,景观连通性相对较差。极重要和重要的连接桥主要分布在研究区的西部、北部、南部,它们对增加核心斑块的景观连通性具有重要作用。然而,研究区的整体连通性相对较差,仅南北区域的连通性相对较好,东西区域的核心斑块间相互独立,尤其是东部的核心绿地斑块面积相对较小且DPC值相对较低,这将不利于绿地生态网络的构建。因此,在绿地生态网络优化中,需要在研究区东部、东北部区域建设踏脚石绿地斑块,以维持景观连通性。

    Figure 2.  Classification map of source, core, bridge

    排序 编号 DPC DIIC
    1 29 32.88 32.84
    2 38 17.82 15.94
    3 14 10.03 7.15
    4 9 9.54 8.24
    5 10 7.78 5.79
    6 32 7.54 6.34
    7 39 7.30 7.29
    8 23 6.92 8.32
    9 41 6.67 4.83
    10 22 5.28 2.98
    11 27 5.01 4.15
    12 16 4.76 4.22
    说明:DPCDIIC均为版块重要性值

    Table 3.  Ranking of the importance of core area based on landscape connectivity

  • 根据重力模型计算结果,提取相互作用强度大于5的廊道作为构建研究区优化绿地生态网络的重要结构性廊道。由表 4图 3可见:斑块6和斑块9之间相互作用最强,表明斑块间的关联性最强,相互间的景观阻力较小,斑块间的物质和能量流动更紧密,物种迁移与能量流动的可能性较大。因此,斑块6和斑块9之间的连接廊道对维持斑块间的连通性具有重要意义。斑块11和斑块12的相互作用强度最小,其空间距离相对较远,也没有相关的结构廊道将其连通,相互间交流的可能性相对较低,能量流动的景观阻力相对较大,不利于物种在斑块间的迁移与扩散。同时,由于研究区东部和西部区域整体连通性差,重新构建斑块11与斑块12间的连通廊道对东、西部区域间物种迁移与扩散以及绿地生态网络连通性的提高具有重要作用。由图 3可以看出:研究区南部、北部以及西南部有一定的生态廊道连通,利于物种在研究区南北部斑块之间的迁移,但廊道的密集程度相对较低,不能有效地满足物质能量的流动。同时,研究区东部、西部连接的廊道较少,生态网络的完善度有待提高。因此,在整个研究区内构建新的生态源地和生态廊道,提高生态廊道密度对绿地生态网络的优化建设具有重要的指导意义。

    斑块编号 1 2 3 4 5 6 7 8 9 10 11 12
    1 0 1.04 0.26 0.80 0.40 7.79 2.47 0.99 14.79 43.08 1.48 0.58
    2 0 0.25 8.02 0.37 1.73 0.93 1.32 3.33 3.68 0.13 192.70
    3 0 0.52 1.19 0.25 0.21 2 200.54 0.42 0.59 0.18 0.17
    4 0 0.60 1.00 0.67 2.77 1.78 2.24 0.12 7.86
    5 0 0.34 0.33 6.33 0.54 0.81 0.24 0.24
    6 0 4.67 0.98 3 099.38 177.44 0.40 0.92
    7 0 0.82 8.73 9.67 0.28 0.51
    8 0 1.50 2.13 0.63 0.82
    9 0 433.15 0.63 1.60
    10 0 1.25 1.87
    11 0 0.05
    12 0

    Table 4.  Node interaction (G) based on the gravity model

    Figure 3.  Potential ecological corridor map

  • 综合考虑MSPA提取的核心斑块以及DPC值,选择重要程度最大的3个斑块进行重点保护与建设,使之成为研究区内重要的生态源地;根据中介中心度计算结果选出分值较高的13个绿地斑块作为踏脚石斑块(图 4),包括沙河公园、望江楼公园、文殊院、东湖公园等,它们对绿地生态功能的提升具有重要意义;根据斑块间的阻力值以及核心区和连接桥区的空间分布规划18条廊道以加强东、西部区域的连接,增大生态网络密度以增强整个网络空间连通的有效性(图 4)。统计对比分析规划前后绿地生态网络连接度表明:规划前α指数、β指数、γ指数分别为0.13,2.20,0.46,规划后为0.51,2.70,0.68,规划后生态网络的空间连通性及有效性较规划前都有较大的提高。

    Figure 4.  Greenspace ecological network planning map

  • 本研究基于MSPA分析成都市三环内绿地景观空间形态格局,识别对绿地景观连通性具有重要意义的核心区和连接桥区,利用景观连通性指数确定研究区内绿地生态网络的源地与结构性廊道以及它们的相对重要程度。耦合MCR模型、最小路径方法、重力模型筛选出研究区内相对重要的潜在生态廊道。最后利用中介中心度选择对生态网络连接具有重要意义的踏脚石斑块,以构建优化的绿地生态网络。研究结果表明:MSPA方法、MCR模型、最小路径方法、重力模型以及中介中心度在城市绿地生态网络构建过程的有机结合,打破了传统生态源地选择的单一模式,通过量化分析能够更科学合理地确定核心斑块对绿地景观连通性的重要程度。该方法体系对城市绿地生态网络的构建具有一定的借鉴意义。

    本研究中,重点强调踏脚石斑块对物种迁移扩散、增强绿地生态网络连通性的重要作用,在后续研究中,可将踏脚石斑块与城市居民的游憩需求相结合,利用中介中心度,构建城市绿地生态网络中的踏脚石群链接系统,形成“大型绿地斑块+踏脚石斑块+生态绿道+游憩节点”的绿地生态游憩网络结构。城市绿地景观空间形态格局的研究尺度只考虑边缘宽度与栅格像素大小对尺度敏感性的影响,并未考虑研究区的形状、适宜性等因素,在后期研究中将深入探讨和分析不同研究尺度对MSPA绿地网络结构的影响。本研究利用MCR模型构建综合阻力面主要从绿地景观的连通性以及景观格局的稳定性方面入手,并未具体考虑生物物种的迁徙及生活习性对生态网络构建的影响。在利用景观连通指数进行分析时,连通距离阈值设定主要通过反复的对比计算及研究区的范围来设定,未考虑物种的扩散距离,在后续研究中将对连通距离阈值的设定做更为详细的研究。

Reference (13)

Catalog

/

DownLoad:  Full-Size Img  PowerPoint
Return
Return