(1)摘要 以北京市为例, 通过粒度反推法和景观连通性识别重要生态用地, 通过邻域分析法构建生态阻力面, 采用 MCR 模型构建北京生态安全格局, 利用人工神经网络计算建设用地扩张概率, 对构建的生态安全格局进行保护紧迫性分级。结果表明, 北京市重要生态用地面积为 6488.53km2, 主要分布在西部和东北部山区, 小部分位于东南平原。一级生态用地面积为 4482.48km2, 主要分布在西北和西南地区; 二级生态用地面积为 1338.27km2, 主要分布在西部远郊山区、西南部近郊平原和东南部平原; 三级生态用地面积为 669.77km2, 主要分布在中北部和东南部平原。重要生态廊道长度为 2410.47km, 分布在远郊城镇以及城乡交界处。一级生态廊道长度为 1477.63km, 主要分布在西北和西南远郊山区; 二级生态廊道长度为 390.91km, 主要分布在远郊平原的生态用地附近; 三级生态廊道长度为 541.93km, 主要分布在城市中心的周边地区, 呈环状包围中心城区。
关键词 生态安全格局; 保护紧迫性; 人工神经网络; 建设用地扩张概率; 北京
生态安全格局(ecological security patterns)是以景观生态学理论为基础, 通过对景观过程的分析和模拟, 识别对维持过程的完整性与安全性具有重要作用的景观元素、空间位置及相互关系[1–2], 从而实现生态资源优化配置[3–5]。目前, 生态安全格局的构建已经形成基本范式, 一般包括源地识别、生态阻力面设置和廊道提取等关键步骤, 并不断发展创新。例如, 在生态源地的识别方面, 从以专家经验为判别依据, 发展为融合生态敏感性、景观连通性和生境重要性等指标的综合评价方法[6]; 在生态阻力面设置步骤中, 引入夜间灯光数据[7]和不透水表面指数[8]等指标, 反映人类生产生活对生态安全格局的影响; 通过显性和隐性阻力面的设置, 体现不同景观要素之间的边缘效应[9]。此外, 蚁群算法等计算机算法的应用也为合理地划定廊道范围提供了思路[10]。总而言之, 生态安全格局的构建呈现指标综合化和数据多元化等特点。
尽管生态安全格局的构建方法已取得长足的进展, 但如何针对重要的生态要素进行保护和修复, 仍是需要深入研究的问题。在快速城市化的背景下, 建设用地扩张已成为威胁生态安全格局的主要因素之一, 表现为大量生态用地向建设用地转变, 大型城市生态用地出现破碎化和岛屿化的趋势, 生态安全格局面临解构危机。因此, 城市的发展迫切需要确定生态用地和廊道面临的风险, 进而划分风险等级, 实施分级保护, 以便维持生态安全格局结构和功能的完整和健康, 实现可持续发展。现有研究从生态敏感性[11]、生态系统服务[12]、廊道长度及累积生态阻力[13]、生态系统服务重要性[14]和文化遗产保护[15]等角度出发, 划分生态安全格局的等级, 用以确定保护的优先级。俞孔坚等[16]关注城市扩张与生态安全格局建设的矛盾, 提出构建不同安全等级情景下的综合型生态安全格局, 形成生态基础设施, 对区域生态安全进行有效的保护, 提出城市建设与生态保护平衡的理论基础。然而, 在城市扩张背景下, 利用建设用地转换概率对重要生态要素进行分级保护的研究尚不多见。
作为我国的经济、政治、文化中心, 北京市建设用地扩张十分显著。俞孔坚等[16–17]针对北京市关键性的生态系统服务, 选取水文、地质灾害、生物、文化遗产和游憩五大过程, 构建生态安全格局。傅微等[18]和吴文颖[19]结合北京市工程项目, 从生态安全格局的视角提出建设性的意见。此外, 在京津冀一体化背景下, 北京市生态安全格局建设与其周边地区的协调发展也成为研究热点[20]。
本文选取北京市为研究区, 综合粒度反推法和最小累积阻力模型, 利用 ArcGIS10.3, Frags-tats4.2和 Confer2.6 等软件构建生态安全格局, 并采用人工神经网络方法, 利用 GeoSOS-FLUS 软件模拟建设用地扩张概率, 划分生态安全格局保护紧迫性等级, 提出保护策略, 以期为未来城市生态安全格局构建提供思路, 为北京市生态用地规划提供参考。
北京市地处华北北部边缘(39°26′—41°03′N, 115°25′—117°30′E), 总面积为 1.641 万 km2。最高 海拔为 2303m, 山地海拔一般为 1000~1500m, 平原海拔为 20~60m。境内有五大河系, 总共有 100 余条支流。北京市具有森林、草地、湿地、农田以及城镇等生态系统。根据北京市规划和自然资源委员会的数据, 2017 年建设用地面积为 3545.31km2, 占北京市总面积的 21.60%; 平原地区主要分布以人工植被为主的农田生态系统, 面积为 2137.31km2, 占比为 13.02%; 远郊山区多为森林生态系统, 面积为7444.75km2, 占比为 45.37%。草地和湿地等生态系统面积占比较小。
北京市 2015 年土地利用数据来自中国科学院资源环境科学数据中心(http://www.resdc.cn), 数字高程模型(DEM)数据来源于美国国家航空航天局地球科学数据和信息系统(ESDIS) (https://lpdaac.usgs. gov)。水系和交通干道数据来自北京大学城市与环境学院地理数据平台(http://geo data.pku.edu.cn)。土地利用数据为 30m 分辨率栅格, 其他数据均为500 m 分辨率栅格。
2.1.1重要生态用地识别
1)生态用地选择。生态用地是城市复合生态系统的重要组成部分, 是保障城市社会经济可持续发展和满足居民生活质量所必需的供给、支持、调节和文化等生态系统服务的最小用地[21]。本文选取林地、草地和水域为生态用地。北京市年平均无霜期为 180~200 天, 熟制为一年两熟。作物生长期间, 农田生态系统可有效地发挥食物生产、固碳释氧和调节气候等作用, 提供生态系统服务。因此, 在选择林地、草地和水域的基础上, 增选耕地为生态用地。
2)粒度反推法。以景观生态安全格局优化为目的, 用不同粒度表征不同生态用地结构, 通过连通性分析, 确定最优生态景观组分结构和景观组分数, 再返回原始数据, 反选重要生态用地[9]。其优势在于可以充分体地现生态用地规模对生态过程的影响, 识别最优粒度。粒度反推法原理与数学反证法近似: 首先假设研究区在不同粒度下存在不同的生态用地结构, 再确定最优生态用地结构。生态斑块服务范围与面积有关, 在粒度放大的过程中, 零星分散的斑块不断被排除, 距离较近的斑块不断合并为更大的景观组分。本文通过分析景观指数变化情况, 确定最优粒度, 指导生态用地建设。
本文以 30m 栅格为最小分辨率, 以 30m 为幅度, 逐步放大粒度。根据景观指数的粒度效应[22], 利用 Fragstats 4.2 计算不同粒度下的景观指数, 分析生态安全格局研究的最优粒度。由于整体性和连通性是影响生态系统稳定性的主要因素[23–24], 本文从整体连通性的角度出发, 选取斑块内聚力指数(Conhension)、景观组分数(NC)和连接度指数(Con-nect) 3 个指标[25], 根据整体连通性的变化来确定合适的粒度。
① 斑块内聚力指数(Cohesion):
(1)0≤Cohesion≤100, i 为景观类型, j 为板块数量，n 为景观类型 i 中斑块之和, m 为景观类型之和, aij 为斑块的面积, Pij 为斑块的周长, A 为整个景观面积。
② 景观组分数(NC): 具备相似的功能或结构的斑块可组成一个特定的景观。符合上述标准的景观总数量为景观组分数(NC), 分属不同景观类型的斑块之间不具有生态联系。
③ 连接度指数(Connect):
(2)式中, 0≤Connect≤100; Cijk为在指定的临界距离阈值内的, 相同景观类型i中的斑块j与k的连接状态; ni为景观中斑块类型i的斑块数目。
3)景观连通性评价。常用的景观连通性指数如下。
① 整体连通性指数(IIC):
(3)式中, n为景观斑块总数, ai和aj为斑块i和j的属性值, nlij指斑块i与j之间的最短路径连接数, AL指整个景观的属性值。
②可能连通性指数(PC):
(4)式中, n指景观斑块总数, ai和aj指斑块i和j的属性值, pij*是特定物种在斑块i与j之间全部路径运行的最大可能性, AL指全部景观的属性值。
③斑块重要性指数(dPC):
(5)式中, dPC指利用某斑块被移除后PC的变化来衡量该斑块对于维持景观连通性的重要程度, PCremove为去除单个斑块后余下斑块的整体指数。
dPC表示斑块的重要性, 能够较好地评价研究区内核心斑块间的连通性[26]。因此, 本研究利用Confer2.6软件, 通过斑块面积和dPC, 结合粒度反推中确定的粒度, 对斑块的景观连通性进行评价, 选取其中重要性较高的斑块作为重要生态用地。
2.1.2生态阻力面设定
生态流在空间中的流动受自然以及人为干扰,干扰强度与土地利用类型有关[7]。根据文献[13], 本文将林地、耕地、草地、水域、未利用地和建设用地的阻力值分别设为20, 55, 70, 1, 80 和 100。
在生态阻力面的构建中, 传统方法仅考虑土地利用类型, 很少考虑不同土地利用类型相互作用产生的边缘效应的影响。对土地利用类型影响下的生态阻力可直观地判断; 相邻斑块间物种流和养分流等的运动虽然伴随物质循环和能量流动, 但对这种影响产生的阻力值却不能直观地判断。因此, 本文按照能否直观地判断阻力值, 将阻力面分为显性阻力面和隐性阻力面。
构建显性阻力面之后, 采用邻域分析法的区块统计功能, 对其进行分析。设置统计方式为矩形统计, 采样行和列均为3, 即取相邻9个像元阻力值的均值作为整体阻力值, 构建反映边缘效应影响的隐性阻力面。参照文献[27], 分别将二者赋予0.7和0.3的权重进行叠加, 获得北京市综合阻力面, 从而更加准确地反映北京市各地的阻力状况。
2.1.3基于最小累积阻力模型的生态廊道提取
生态廊道是生态安全格局中的重要组成部分, 对物质、能量流动和信息交流具有重要作用[28]。构建和保护生态廊道, 对保护生物多样性、提升生态系统服务和维持生态安全格局的稳定性与完整性具有重要意义[29]。本文利用最小累积阻力(mini-mum cumulative resistance, MCR)模型提取生态廊道。MCR模型最早由Knaapen等[30]提出, 通过对比不同方向的阻力分区来分析绿地适宜扩张的方向。目前, 该模型主要应用于最小累积阻力值计算和功能分区[31], 计算公式为
(6)式中, MCR为最小累积阻力值, f表示最小累积阻力与生态过程的正相关关系, Dij为物种从生态用地j到景观单元i的空间距离, Ri为景观单元i对物种运动的阻力系数。
地理模拟优化系统(GeoSOS)是探索和分析地理现象格局形成和演变过程的有效工具[32]。FLUS模型用于模拟人类生产生活及自然因素影响下土地利用转化和未来土地利用情景。该模型在传统元胞自动机(cellular automata, CA)的基础上做了较大的改良, 可采用人工神经网络算法(artificial neural network, ANN), 基于土地利用数据和驱动因子，获得各类用地类型在研究范围内的适宜性概率。本文以GeoSOS-FLUS为操作平台, 获得建设用地扩张适宜性概率。该神经网络的输出层生成一个表示网格单元中第l个土地使用类型的发生概率。在训练时间为t的情况下, 网格单元P上的土地利用类型k的出现概率表示为P(p, k, t):
(7)式中, net(p,t)是神经元j在隐藏层中接收的信号; Wjk 是隐藏层与输出层之间的自适应权重, 在训练过程中进行校准, 隐藏层与输出层之间的关联由激活函数确定; sigmoid激活函数用于构建隐藏层与输出层之间的关联。
本文应用“源–汇”理论, 选取城市建设用地扩张影响因子。“源”指能促进生态过程发展的景观类型, “汇”是能阻止或延缓过程发展的景观类型[20]。“源”具备提供生态系统服务的功能, “汇”则是生态系统服务的需求区。作为一种特殊的景观类型, 城市建设用地与生态用地一样具备适宜其扩张的景观类型和限制其扩张发展的景观类型, 城市的扩张是在两者的共同作用下决定的。
在城市建设过程中, 地形因素影响建设的难易程度, 是否靠近水源决定城市的生产生活设施分布, 与道路、城市中心和城区中心的距离影响城市的发展方向以及规模等。本文选择高程、坡度以及与河流的距离3个自然因素, 选取与道路、市中心和区中心的距离3个社会经济因素, 进行建设用地扩张模拟。参数及变量说明见表 1。
基于GeoSOS-FLUS的出现概率(probability-of-occurrence)模块, 以北京市2015年土地利用现状图为基准进行模拟。由于遍历所有数据的时间较长, 须对数据进行抽样处理。将采样参数设为50, 即采样点数占研究区域有效总像元数的5%。根据经验, 将神经网络的隐藏层数量设置为12。采用Norma-lization方法, 对已选择的影响因子进行归一化预处理, 系统在计算出现概率时, 会主动将所有驱动力因子归一化到0~1。
3.1.1最优粒度选取
采用粒度反推法计算生态安全格局构建的最优粒度, 结果如图1所示。
表1 建设用地扩张驱动因子
Table 1 Driving factors for expansion of construction land
影响要素影响因子变量说明 自然条件坡度(°)栅格的坡度 高程(m)栅格的高程 距离河流距离(m)表征河流的区位 社会经济条件距离道路、市中心、区中心的距离(m)表征道路、市中心和区中心的区位
图1 不同粒度下的景观格局指数
Fig. 1 Landscape pattern index at different granularities
由图 1(a)可知, 随着粒度增大, 斑块内聚力指数整体上呈波动趋势, 在 30~90m 之间下降速度较快, 此后呈快速回升趋势, 并有小幅度的波动, 在570m 时趋于平稳。表明粒度在 570~720m 之间时, 景观组分自然连接度较好, 选择 570~720m 之间的粒度较为合理。
由图 1(b)可知, 随着粒度增大, 景观组分数呈下降趋势。在 60~210m 时, 景组分数呈迅速下降趋势, 表明此时景观组分间还可以继续合并, 形成连通性更高的组分。在 600m 时, 开始趋于稳定, 说明生态系统各景观组分很难相互合并, 形成扩大的组分。因此, 600m 时连通性较好, 可以作为生态安全格局构建的粒度。
由图 1(c)可知, 斑块连接度指数整体呈上升趋势。在粒度为 330~570m 之间上升较快, 并在 600m 时达到峰值, 出现第一个明显拐点。粒度大于 600m 后, 连接度指数持续下降, 后续才缓慢回升。说明粒度处于 600m 时, 有较好的连接度, 600m 前后, 连接度指数均低于此点。因此, 600m 为较好的粒度。
综合上述分析, 生态安全格局构建的最优粒度应为600 m。
3.1.2重要生态用地识别
斑块面积和连通性是维持景观生态功能的有力保障[33–34]。首先对林地、草地和耕地生态斑块面积排序。排名前 30 的斑块面积均在 24km2 以上, 其他斑块面积与此差别较大。因此, 提取面积排名前 30 的斑块, 将其转化为粒度为 600m 的栅格导入 Confer2.6 软件。将斑块连通距离阈值设置为600m, 连通的概率设置为 0.5[35], 对斑块连接度进行评价。最后, 对各斑块的 dPC 排序, 选取 dPC排名前 10%的斑块作为重要生态用地。虽然北京市的水域面积占比较小, 但对生态环境有重要意义, 因此选取北京市 78 处大中型水域与林地、草地和耕地共同组成重要生态用地(图2)。
由图 2 可以看出, 北京市重要生态用地主要分布在西部和东北部山区, 少数分布在东南平原。其中, 林地面积最为广阔, 且连通性高于耕地、草地和水域。水域用地以大型水库和河流为主, 包括5 条一级河流及“三库一渠”等重要水源涵养区, 分布较为零散, 连续性较差。
3.1.3缓冲区建立
生态安全格局构建主要包括: 建立绝对保护的核心区、建立减少人类干扰的缓冲区以及构建核心区间的生态廊道[36]。北京市水域面积较小, 分布零散, 易受人类活动影响, 因此本文在水域用地周围建立 200m 缓冲区[37], 减缓人类活动的影响, 维持重要生态用地的结构和功能。
3.1.4生态阻力面构建
通过 ArcGIS10.3 的 cost distance 模块, 构建基于土地利用类型的显性阻力面(图 3(a))。采用邻域分析法对显性阻力面进行分析, 构建反映边缘效应影响的隐性阻力面(图 3(b))。
由图 3 可知, 显性阻力面和隐性阻力面都呈现以生态用地为中心向外扩散的趋势, 但隐性阻力面的阻力值变化缓慢, 最大阻力值较小。隐性阻力面考虑了不同土地利用类型间的影响, 因此与显性阻力面有不同之处, 这些有差异的区域在生态建设时应予以特别关注。最后, 将显性阻力面和隐性阻力面分别赋予 0.7 和 0.3 的权重进行叠加, 得到北京市综合阻力面(图 4)。
3.1.5基于MCR的生态廊道识别
提取重要生态用地以及其他生态用地的几何中心作为生态节点, 基于已构建的生态阻力面, 利用ArcGIS10.3 的 cost path 功能提取生态廊道, 与生态源地共同构成北京市生态安全格局(图 5)。可以看出, 北京市重要生态廊道多分布于远郊城镇及城乡交界处, 呈环状包围中心城区。这些生态廊道连通大型绿地, 提升了生态用地间的连通性, 有利于保护生物多样性, 维持生态系统的稳定。同时, 生态廊道包围城市中心, 沟通郊区生态生态用地与城区间的物质能量流动, 为城区居民享受生态用地提供的生态系统服务提供结构基础。
图2 重要生态用地
Fig. 2 Important ecological land
3.1.6保护紧迫性识别
基于 GeoSOS-FLUS 的出现概率模块进行建设用地扩张概率模拟, 得到北京市建设用地扩张适宜性概率, 如图 6 所示。
将建设用地扩张概率与重要生态用地和生态廊道的图层叠加, 获得重要生态用地和生态廊道所在区域建设用地扩张的可能性。在此基础上, 以建设用地扩张概率为依据, 通过自然断点法, 分别将生态用地和生态廊道的安全等级分为 3 级(图7)。
3.2.1重要生态用地保护策略
根据建设用地扩张适宜性概率, 将北京市重要生态用地分为三级。一级生态用地面积为 4482.48km2, 主要分布在研究区的西北和西南。这些生态用地位于燕山山脉和太行山山脉, 地势较高, 林地覆盖度较大。小部分一级生态用地位于东北部, 该区域人口相对稀疏, 繁华程度较低, 受建设用地扩张侵蚀的概率较小, 因此应发展为重点生态保护区, 尽量减少人类活动对生态系统的影响, 维持原有生态景观。二级生态用地面积为 1338.27km2, 主要分布在西部远郊山区、西南部近郊平原及东南部平原。由于受建设用地转移威胁程度较高, 应该加强生态环境修复, 充分开发得天独厚的自然资源, 创建文化用地, 结合当地民俗, 发展观光旅游业。三级生态用地面积为 669.77km2, 主要为分布在中北部、东南部平原的生态用地以及城市中心附近的部分水域, 人口稠密, 建设用地扩张概率较大, 对生态用地的威胁较大, 需对土地利用状况进行调整, 在发展的基础上, 尽量增加自然元素, 并对影响生态环境安全的产业加以限制。
图3 北京市显性(a)和隐性(b)生态阻力面
Fig. 3 Obvious (a) and hidden (b) ecological resistance surfaces of Beijing
图4 北京市综合生态阻力面
Fig. 4 Comprehensive ecological resistance surface of Beijing
图5 生态安全格局
Fig. 5 Ecological security pattern
图6 建设用地扩张适宜概率
Fig. 6 Suitability of expansion of construction land
3.2.2生态廊道保护策略
根据建设用地扩张适宜性概率, 将北京市生态廊道分为三级。一级生态廊道长度为 1477.63km, 主要分布在西北和西南远郊山区, 受人类活动和建设用地扩张的影响小, 廊道连通性强, 有连接大型生态用地以及维持物质循环和物种迁移的重要作用, 可以在适宜条件下对廊道进行拓宽, 并针对不同地区的区位特性, 对廊道进行个性化设计, 在更好地保护生态用地的同时, 满足人类需求。二级生态廊道长度为 390.91km, 主要分布于远郊平原的生态用地附近, 数量较少, 分布较为分散, 在对建设用地扩张约束较小的情况下, 易被转化为建设用地, 造成各生态用地或节点之间丧失连接通路, 出现生态用地被孤立成岛状的情况。因此, 可以在二级廊道附近大力加强铁路和道路廊道的建设, 同时重视耕地保护, 并拓宽廊道覆盖范围。三级生态廊道长度为 541.93km, 主要分布于城市中心的周边地区, 呈环状包围中心城区, 受建设用地扩张影响大, 稳定性极差, 容易受到破坏, 其生态质量间接影响到北京城区的生态环境, 因此可以设为重点生态保护对象, 发展生态旅游行业, 加强公民生态安全意识, 将服务行业作为重点发展产业。
图7 重要生态用地(a)和生态廊道(b)安全级别
Fig. 7 Important ecological land (a) and ecological corridor (b) security level
本研究通过粒度反推法和景观连通性指标综合识别重要生态用地, 采用邻域分析法构建生态阻力面, 使用最小累积阻力模型构建生态安全格局, 通过人工神经网络计算建设用地扩张概率, 对构建的生态安全格局进行保护紧迫性等级划分, 为生态安全格局的分级保护提供科学依据。研究结果表明: 北京市重要生态用地主要分布于北京西部和东北部山区, 其中一级生态用地主要分布在研究区的西北和西南, 二级生态用地主要分布在西部远郊山区、西南部近郊平原以及东南部平原, 三级生态用地主要分布在中北部、东南部平原的生态用地以及城市中心附近的部分水域。重要生态廊道分布于远郊城镇及城乡交界处, 呈环状包围中心城区。一级生态廊道主要分布在西北和西南远郊山区, 二级生态廊道主要分布于远郊平原的生态用地附近, 三级生态廊道主要分布于城市中心的周边地区。
针对城市化不断加快的现状, 建设用地扩张日渐成为影响区域生态安全的最主要因素。合理地预测建设用地的扩张情况, 明确生态环境受到的威胁等级, 对建设和维护生态安全格局有参考价值。本研究将建设用地扩张作为威胁生态安全的最主要因素, 通过转移性概率衡量建设用地扩张的可能性, 为优化生态安全格局提供方向。
由于研究区分布特征和数据获取的局限性, 本研究仅从土地利用类型和数字高程模型等自然因素出发, 构建北京市生态安全格局, 更多地考虑结构的合理性, 对生态系统服务及人类的生态需求有所忽略, 在未来研究中有待深入。
参考文献
[1] Liu D, Chang Q. Ecological security research progress in China. Acta Ecologica Sinica, 2015, 35(5): 111–121
[2] 吴健生, 马洪坤, 彭建. 基于“功能节点——关键廊道”的城市生态安全格局构建——以深圳市为例. 地理科学进展, 2018, 37(12): 1663–1671
[3] Yu K J. Security patterns and surface model in landscape ecological planning. Landscape and Urban Planning, 1996, 36(1): 1–17
[4] Su Y, Chen X, Liao J, et al. Modeling the optimal ecological security pattern for guiding the urban con-structed land expansions. Urban Forestry & Urban Greening, 2016, 19: 35–46
[5] Peng J, Yang Y, Liu Y, et al. Linking ecosystem services and circuit theory to identify ecological security patterns. Science of The Total Environment, 2018, 644: 781–790
[6] 陈昕, 彭建, 刘焱序, 等. 基于“重要性–敏感性–连通性”框架的云浮市生态安全格局构建. 地理研究, 2017, 36(3): 471–484
[7] 彭建, 李慧蕾, 刘焱序, 等. 雄安新区生态安全格局识别与优化策略. 地理学报, 2018, 73(4): 701–710
[8] 刘珍环, 王仰麟, 彭建, 等. 基于不透水表面指数的城市地表覆被格局特征——以深圳市为例. 地理学报, 2011, 66(7): 961–971
[9] 陆禹, 佘济云, 陈彩虹, 等. 基于粒度反推法的景观生态安全格局优化——以海口市秀英区为例. 生态学报, 2015, 35(19): 6384–6393
[10] Peng J, Zhao S, Dong J, et al. Applying ant colony algorithm to identify ecological security patterns in megacities. Environmental Modelling & Software, 2019, 117: 214–222
[11] 简卿, 张立强, 崔海宁, 等. 青龙满族自治县生态敏感性评价及区划. 中国农业资源与区划, 2017, 38(11): 171–178
[12] 汤峰, 张蓬涛, 张贵军, 等. 基于生态敏感性和生态系统服务价值的昌黎县生态廊道构建. 应用生态学报, 2018, 29(8): 2675–2684
[13] 唐丽, 罗亦殷, 罗改改, 等. 基于粒度反推法和MCR 模型的海南省东方市景观格局优化. 生态学杂志, 2016, 35(12): 3393–3403
[14] 马明, 顾康康, 李咏. 基于生态安全格局的城乡生态空间布局与优化——以宣城市为例. 中国农业资源与区划, 2019, 40(4): 93–102
[15] 王思思, 李婷, 董音. 北京市文化遗产空间结构分析及遗产廊道网络构建. 干旱区资源与环境, 2010, 24(6): 51–56
[16] 俞孔坚, 王思思, 李迪华, 等. 北京市生态安全格局及城市增长预景. 生态学报, 2009, 29(3): 1189–1204
[17] 俞孔坚, 王思思, 李迪华, 等. 北京城市扩张的生态底线——基本生态系统服务及其安全格局. 城市规划, 2010, 34(2): 19–24
[18] 傅微, 俞孔坚. 基于生态安全格局的城市大规模绿化方法——北京百万亩平原生态造林. 城市规划, 2018, 42(12): 125–131
[19] 吴文颖. 基于生态安全格局分析的城市空间发展研究——以北京新机场项目为例. 北京规划建设, 2017(4): 100–104
[20] 陈利顶, 傅伯杰, 赵文武. “源”“汇”景观理论及其生态学意义. 生态学报, 2006, 26(5): 1444–1449
[21] 谭永忠, 赵越, 曹宇, 等. 中国区域生态用地分类的研究进展. 中国土地科学, 2016, 30(9): 28–36
[22] 申卫军, 邬建国, 林永标, 等. 空间粒度变化对景观格局分析的影响. 生态学报, 2003(12): 2506–2519
[23] Adrienne G R, Sven E R, Ricardo C, et al. On the importance of non-linear relationships between land-scape patterns and the sustainable provision of eco-system services. Landscape Ecology, 2014, 29: 201–212
[24] Clergeau P, Burel F. The role of spatio-temporal patch connectivity at the landscape level: an example in a bird distribution. Landscape and Urban Planning, 1997, 38(1): 37–43
[25] 富伟, 刘世梁, 崔保山, 等. 景观生态学中生态连接度研究进展. 生态学报, 2009, 29(11): 6174–6182
[26] 杨志广, 蒋志云, 郭程轩, 等. 基于形态空间格局分析和最小累积阻力模型的广州市生态网络构建. 应用生态学报, 2018, 29(10): 3367–3376
[27] 廖旎睿. 北京市景观生态安全格局研究与规划. 中国林业大学: 中国林业科学研究院, 2016
[28] 郝月, 张娜, 杜亚娟, 等. 基于生境质量的唐县生态安全格局构建. 应用生态学报, 2019, 30(3): 1015–1024
[29] 郑好, 高吉喜, 谢高地, 等. 生态廊道. 生态与农村环境学报, 2019, 35(2): 137–144
[30] Knaapen J P, Scheffer M, Harms B. Estimating habitat isolation in landscape planning. Landscape and Urban Planning, 1992, 23(1): 1–16
[31] 李健飞, 李林, 郭泺, 等. 基于最小累积阻力模型的珠海市生态适宜性评价. 应用生态学报, 2016, 27(1): 225–232
[32] 黎夏, 李丹, 刘小平, 等. 地理模拟优化系统 Geo-SOS 及前沿研究. 地球科学进展, 2009, 24(8): 899–907
[33] 刘世梁, 傅伯杰. 景观生态学原理在土壤学中的应用. 水土保持学报, 2001, 15(3): 102–106
[34] 邱瑶, 常青, 王静. 基于 MSPA 的城市绿色基础设施网络规划——以深圳市为例. 中国园林, 2013, 29(5): 104–108
[35] 姜磊, 岳德鹏, 曹睿, 等. 北京市朝阳区景观连接度距离阈值研究. 林业调查规划, 2012, 37(2): 18–22
[36] 俞孔坚, 李迪华, 段铁武. 生物多样性保护的景观规划途径. 生物多样性, 1998, 6(3): 45–52
[37] 赵霏, 郭逍宇, 赵文吉, 等. 城市河岸带土地利用和景观格局变化的生态环境效应研究——以北京市典型再生水补水河流河岸带为例. 湿地科学, 2013, 11(1): 100–107
Urgency Classification of Beijing Ecological Security Pattern Protection
Abstract Taking Beijing as an example,the granularity back-calculation method and the landscape connectivity index were combined to identify important ecological land. The neighborhood analysis was adopted to construct the ecological resistance surface, whereas the minimum cumulative resistance model was used to construct the ecological security pattern. The probability of land expansion calculated through an artificial neural network was used to classify the ecological security pattern of construction. The results show that the important ecological land area of Beijing is 6488.53 km2, mainly distributed in the mountainous areas of western and northeastern Beijing, and a small part is located in the southeast plain area. The primary protection ecological land area is 4482.48 km2, mainly distributed in the northwest and southwest. The secondary protection ecological land area is 1338.27 km2, which is mainly distributed in the western suburbs, the suburban plains in the southwest and the plains in the southeast. The third-level protection ecological land area is 669.77 km2, mainly distributed in the north-central and southeast plains. The important ecological corridor is 2410.47 km long and is distributed in the outer suburbs and urban-rural junction. Among them, the length of the first-class ecological corridor is 1477.63 km, mainly distributed in the mountainous areas of the northwest and southwestern suburbs; the secondary ecological corridor is 390.91 km, which is mainly distributed near the ecological land of the outer suburb plain; the third-level ecological corridor is 541.93 km, mainly distributed in the surrounding area of the city center, surrounded by the central city.
Key words ecological security pattern; protection urgency; artificial neural networks; construction land expansion probability; Beijing
doi: 10.13209/j.0479-8023.2020.093
国家自然科学基金(41901261, 41771204)、北京市社会科学基金(19GLC056, 18GLB043)和中国地质大学(北京)大学生创新创业训练计划 (201911415087)资助
收稿日期: 2019–12–03;
修回日期: 2020–01–02